PENGEMBANGAN KERANGKA KERJA E-LEARNING BERBASIS SEMANTIK UNTUK TUJUAN SIGNIFICANT LEARNING EXPERIENCES PADA TUGAS AKHIR MAHASISWA TEKNIK

SRI SUNING KUSUMAWARDANI, Dr. Ir. Lukito Edi Nugroho, M.Sc.; Prof. Adhi Susanto, MSc., Ph.D.; Prof. Dr. Amitya Kumara, M.S.

2015 | Disertasi | S3 Ilmu Teknik Elektro

Salah satu isu pemanfaatan Teknologi Informasi dan Komunikasi (TIK) dalam dunia pendidikan yang sudah dikenal luas adalah e-Learning. Sayangnya, dari berbagai produk e-Learning yang telah dihasilkan belum ada produk yang dirancang spesifik untuk bidang tertentu, misalnya untuk Engineering Education. Mata kuliah di Indonesia yang memiliki nilai strategis sebagai miniatur Engineering Education adalah Tugas Akhir (TA). Engineering Education memiliki karakteristik khas yang jika diwujudkan dukungan e-Learning-nya akan memunculkan tantangan-tantangan besar. Agar tantangan-tantangan tersebut dapat terakomodasi maka diperlukan penetapan tujuan pembelajaran yang tidak hanya sebatas pada materi yang diberikan saja, tetapi juga menyangkut pengalaman belajar yang bermakna. Berdasarkan hal tersebut, maka pendekatan yang sesuai untuk mencapai tujuan pembelajaran di atas adalah menggunakan Taksonomi Fink (Significant Learning Experiences) yang terdiri dari enam aspek yaitu Foundational Knowledge, Application, Integration, Human Dimension, Caring, dan Learning How to Learn. Pendekatan teknologi yang memungkinkan untuk mengakomodasi tantangan dan karakteristik khas bidang Engineering Education adalah teknologi semantik. Usaha mempertemukan tantangan pengembangan e-Learning bidang Engineering Education dengan teknologi web semantik untuk memenuhi tujuan Significant Learning Experiences merupakan motivasi utama penelitian ini. Berdasarkan motivasi tersebut, penelitian ini bertujuan untuk mengembangkan kerangka kerja e-Learning berbasis semantik dengan arah tujuan Significant Learning Experience pada Engineering Education (khususnya mata kuliah TA). Dalam penelitian ini, kerangka kerja e-Learning berbasis semantik dikembangkan dengan menggunakan ontologi berdasarkan analisis persepsi dan analisis kebutuhan pedagogis. Perancangan ontologi dilakukan dengan mentransformasikan analisis kebutuhan (domain expert) ke dalam struktur pengetahuan (domain konsep). Kemudian, domain konsep ditransformasikan ke domain formal. Setelah itu dilanjutkan dengan perancangan SPARQL untuk menguji pertanyaan kompetensi dan memanfaatkan reasoner untuk menguji konsistensi ontologi yang dirancang. Sedangkan, untuk menguji karakteristik dari rancangan ontologi digunakan OntoQA. Hasil rancangan ontologi kemudian diintegrasikan dengan Learning Management System (LMS) “Moodle” sehingga memungkinkan query untuk resources semantik. Kerangka kerja e-Learning berbasis semantik dikembangkan untuk mendukung tahapan engineering activity yang dibagi menjadi enam fase dan direpresentasikan sebagai fitur Tahapan TA yaitu: pendefinisian masalah (framing), perancangan konseptual, perancangan awal, perancangan rinci, implementasi/analisis hasil, dan komunikasi hasil. Sistem dirancang untuk memenuhi kebutuhan personalisasi dengan mengakomodasi lima kelompok Tugas Akhir yaitu: Implementasi, Studi Kasus, Kajian/Perbandingan, Simulasi, dan Perancangan. xviii Personalisasi diperlukan karena untuk masing-masing kelompok Tugas Akhir membutuhkan pendekatan yang berbeda dari sisi engineering activity. Ontologi yang dirancang terdiri atas kelas User, Topic, FinalProjectClassification, Personalization, References, CommunicationTool, FinkTaxonomyCategory, Obstacle, dan SignificantLearningExperience. Hasil pengujian menggunakan reasoner menunjukkan bahwa ontologi yang dirancang telah konsisten. Sementara itu, pengujian juga dilakukan menggunakan OntoQA untuk mengukur karakteristik Relationship Richness, Attribute Richness, Inheritance Richness. Hasil pengukuran Relationship Richness menunjukkan bahwa ontologi memuat informasi yang cukup dengan nilai 0,433. Sedangkan nilai Attribute Richness adalah 2,846 yang artinya ontologi tersebut mempunyai rata-rata mendekati 3 atribut pada setiap kelasnya. Dari pengukuran Inheritance Richness diperoleh nilai 3,45 yang artinya bahwa ontologi mempunyai karakteristik pengetahuan yang cukup umum. Berikutnya dilakukan query semantik menggunakan SPARQL pada ontologi tersebut untuk mengetahui keluaran atas dasar pertanyaan kompetensi. Hasil query semantik menunjukkan bahwa sistem dapat mengetahui beberapa pengetahuan diantaranya topik yang diambil mahasiswa, klasifikasi/kelompok TA mahasiswa, fase mahasiswa saat ini, fase selanjutnya yang harus ditempuh oleh mahasiswa. Hasil pengujian implementasi rancangan e-Learning berbasis semantik pada enam aspek Taksonomi Fink menunjukkan bahwa sistem memberikan pengaruh yang signifikan pada aspek Foundational Knowledge, Application, Integration, dan Learning How to Learn.

One of the widely known issues of Information and Communication Technology (ICT) application in education is e-Learning technology. Unfortunately, from various e-Learning products that already been produced, there is no product that specifically designed for one particular field, such as Engineering Education. One of the courses in Indonesia Higher Education, which has strategic value as a miniature of Engineering Education is the Final Project course. Engineering Education has typical characteristics, and with realization of e-Learning support system it will bring up great challenges. In order to accommodate these challenges, it is necessary to establish learning objectives that are not only limited to specific learning material, but also involves a significant learning experience. Based on this problem, the suitable approach to achieve this goal is by using Fink's Taxonomy (Significant Learning Experiences) which consist of six aspects, i.e. Foundational Knowledge, Application, Integration, Human Dimension, Caring, and Learning How to Learn. Technology approach that is possible to fulfill these challenges and typical characteristic of Engineering Education is semantic technology. It needs to collaborate challenges in e-Learning of Engineering Education and semantic web technology to satisfy the purposes of Significant Learning Experiences. Hence, the purpose of this research is to develop semantic e-Learning framework based on Significant Learning Experiences of Engineering Education. In this research, the framework of semantic based e-Learning is developed based on perception and pedagogical requirement analysis. The ontology design is developed by transforming the requirement analysis (expert domain) into knowledge structure (concept domain), and then the concept domain is transformed into formal domain. After those transformation processes, competency question and consistency testing is delivered by Reasoner utilization and SPARQL design, respectively. Moreover, OntoQA is used for characteristic testing of designed ontology. The ontology design is integrated into Learning Management System (LMS) “Moodle” that allows the query of semantic resources. Semantic e-Learning framework is developed to support each step of engineering activity which is divided into six phases that represent the system’s features: framing, conceptual design, preliminary design, detailed design, implementation/result analysis, and result communication. The proposed system is also able to personalize each group of the final project, which is based on the preliminary survey. The final project group is divided into five themes: implementation, case studies, comparison, simulation, and design. Personalization is necessary because each group of the final project theme requires different approach from engineering process aspects. The designed ontology consists of classes required in designing the ontology, namely User, Topic, FinalProjectClassification, Personalization, References, Obstacle, CommunicationTool, FinkTaxonomyCategory, and SignificantLearning xx Experience. Testing result using reasoner shows that the designed ontology has been consistent. Furthermore, this ontology has been tested using OntoQA to measure ontology characteristic, i.e. Relationship Richness, Attribute Richness, and Inheritance Richness. The result of Relationship Richness measurement shows that this ontology has brought sufficient information with measurement value 0.433. Moreover, the value of Attribute Richness is 2.846. It means this ontology has average value close to 3 attributes on each class. Whereas, Inheritance Richness measurement has value of 3.45. It shows that this ontology has a wide range of general knowledge with low level detail. The results of semantic queries using SPARQL with various scenarios have produced the output as expected. The results of semantic queries proves that the ontology is able to identify some knowledge about student’s topic, student’s final project classification/group, student’s current phase, and student’s next phase. The semantic e-Learning implementation result, with six aspects of Fink’s Taxonomy as the measurement aspects, shows that the implementation of semantic e-Learning has significant influence on the Foundational Knowledge, Application, Integration, and Learning How to Learn.

Kata Kunci : Kerangka Kerja e-Learning, Semantic e-Learning, Ontologi, Significant Learning Experiences, Engineering Education.