Slide Sidang TA Yuan

2,580 views

Published on

Published in: Education
0 Comments
3 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
2,580
On SlideShare
0
From Embeds
0
Number of Embeds
11
Actions
Shares
0
Downloads
0
Comments
0
Likes
3
Embeds 0
No embeds

No notes for slide
  • Jelasin 1 lagi kelemahan scorm mengenai sequencingnyaSource SCORM: SiciliaPenggunaan metadata sebagai komponen personalisasi pada model SCORM masih memiliki kelemahan, antara lain [31]:  Kompleksitas dan semantik yang terbatas. Metadata biasanya disimpan sebagai teks sederhana, bisa sebagai istilah dari suatu kosakata baku maupun tidak. Metadata yang dibuat oleh seseorang bisa jadi tidak proporsional jumlahnya, menggunakan informasi yang terlalu luas atau bahkan terlalu sempit. Term yang dipilih untuk merepresentasikan suatu metadata pada sistem atau platform yang berbeda bisa memiliki perbedaan secara sintaksis, sehingga informasi yang diberikan tidak dipahami, walaupun sebenarnya makna semantik yang dimaksud sama.  Dengan perspektif metadata, tidak mungkin bisa mendapatkan feedback dari pengguna untuk menentukan akurasi dari nilai metadata yang diasumsikan oleh pengembang sistem. Pun tidak bisa menemukan konteks penggunaan kata alternatif yang memungkinkan.
  •  Mendukung pendefinisian konsep hierarki, sehingga reasoner bisa mengenali adanya hubungan inherintance (is-a) antara dua buah konsep dengan mudah.  Cara yang advance untuk mendeskripsikan properties, seperti: range dari sebuah property didefinisikan sebagai gabungan dari dua atau lebih class lainnya, definisi dari batasan kardinalitas, dan sebagainya.  Kemampuan untuk mendefinisikan sinonim, sehingga kita bisa membuat ekuivalensi (atau pemetaan) antara dua (atau lebih) konsep kosakata yang berada pada domain yang sama. Sebagai contoh, kita dapat mendefinisikan pemetaan antara terminologi ALOCoM dan SCORM – misalnya, Content Fragment pada ALOCoM ekuivalen dengan Asset pada SCORM.
  • berdasarkan prinsip open world assumption, artinya kita tidak dapat mengasumsikan sesuatu tidak ada sampai hal tersebut dinyatakan secara eksplisit tidak ada
  • Pretest  menurut HarsonoIPK  menurut Fak Pertanian UNPAD
  • + reasoner
  • Objek pembelajaran ALOCoM (Abstract Learning Object Content Model)Model mahasiswa  LOCO (Learning Object Context Ontologies)
  • Slide Sidang TA Yuan

    1. 1. UNIVERSITAS INDONESIA<br />PROSES REASONING DAN PEMBUATAN ATURAN SEMANTIK PADA SISTEM PERSONALISASI E-LEARNING BERBASIS SEMANTIC WEB<br />Yuan Hanif Syaniardi<br />0606031603<br />
    2. 2. OUTLINE<br /><ul><li>Pendahuluan
    3. 3. Tinjauan Pustaka
    4. 4. Metodologi Penelitian
    5. 5. Hasil dan Pembahasan
    6. 6. Penutup</li></li></ul><li>PENDAHULUAN<br />source: http://www.thechesspiece.com/indian/grandmaster_chess_setl600.jpg<br />
    7. 7. LATAR BELAKANG<br />
    8. 8. PERMASALAHAN<br />Sistem e-learning yang mampu mengakomodasi personalisasi pembelajaran<br />Dalam penelitian sebelumnya telah dibuat sistem dalam sebuah portal<br />Portal hanya menampilkan ontologi<br />Diharapkan mampu mengakomodasi kebutuhan personalisasi sesuai dengan karakteristik yang dimiliki peserta ajar<br />Sistem e-learning yang mampu melakukan reasoning <br />
    9. 9. TUJUAN<br />Melakukan uji coba proses reasoning dan mengembangkan aturan semantikyang dapat mengakomodasi kebutuhan pengguna aplikasi <br />e-learning berbasis semantic web<br />
    10. 10. <ul><li>ontologi objek pembelajaran dan model mahasiswa yang sudah ada
    11. 11. penggabungan dan modifikasi secukupnya
    12. 12. penyajian data dalam format standar semantic web (RDF)
    13. 13. kinerja framework ataupun RDF Store tidak ditangani</li></ul>RUANG LINGKUP<br />
    14. 14. MANFAAT<br />Mempersonalisasikan e-learning berbasis semantic web yang dapat mengakomodasi kebutuhan penggunanya melalui sebuah pengembangan aturan semantik yang bervariasi<br />
    15. 15. TINJAUAN PUSTAKA<br />source: Balancing Strategy & Design for an Effective User Experience on Higher Education Web Sites (slideshare)<br />
    16. 16. DEFINISI<br />KOMPONEN<br />Suatu metode pembelajaran yang menggunakan media elektronik untuk mendukung berlangsungnya kegiatan belajar mengajar. <br />[Wahono]<br /><ul><li> Infrastruktur
    17. 17. Sistem
    18. 18. Materi
    19. 19. Aktor</li></ul>E-LEARNING<br />
    20. 20. PERSONALISASI E-LEARNING<br />Model Huitt<br />suatu kemampuan yang dimiliki oleh suatu sistem atau aplikasi untuk beradaptasi agar dapat memenuhi kebutuhan setiap penggunanya [Xing]<br />
    21. 21. METODE PERSONALISASI<br />ITS<br />Personalisasi dengan Intelligent Tutorial System<br />Definisi<br />sistem yang menggunakan kecerdasan buatan (artificial intelligence) untuk mengajarkan pesertanya<br />[Naukrihub]<br />Kelemahan<br /><ul><li> tidak memperhitungkan gaya belajar ataupun preferensi
    22. 22. masih lemah dalam melakukan pemilihan materi ajar yang tepat</li></li></ul><li>METODE PERSONALISASI<br />Personalisasi dengan Sharable Learning Object<br />Definisi<br />entitas yang digunakan untuk pembelajaran berbantuan teknologi<br />[LTSC]<br />SCORM<br />Kelemahan<br />tidak mempertimbangkan aspek-aspek eksternal seperti preferensi maupun learning background peserta ajar<br />[Sicilia]<br />
    23. 23. SEMANTIC WEB<br />
    24. 24. ARSITEKTUR SEMANTIC WEB<br />aturan dan sistem untuk melakukan reasoning<br />pada ontologi<br />bahasa yang mendukung pembuatan aturan semantik<br />[Future and Emerging Technologies]<br />
    25. 25. Definisi<br />ONTOLOGI<br />A shared and common understanding of some domain that can be communicated between people and application systems<br />[Gruber]<br />Representasi<br /><ul><li>Classes
    26. 26. Instances
    27. 27. Properties
    28. 28. Constraints
    29. 29. Relationships
    30. 30. Functions</li></ul>[Daconta]<br />
    31. 31. RDF (Resource Description Framework) <br />standar untuk mendeskripsikan resource[W3C]<br />resource adalah sesuatu yang ingin dibicarakan, sesuatu yang dapat diidentifikasi, misalnya orang atau benda<br />mengatasi permasalahan XML yang hanya mampu mengakomodasi syntactic operability<br />direpresentasikan dalam bentuk triple yang terdiri dari <br />subject, predicate, object<br />berbentuk graf yang terdiri dari nodes dan edges<br />
    32. 32. RDF SCHEMA<br /><ul><li>skema bahasa untuk RDF
    33. 33. digunakan untuk mendefinisikan kosakata yang dipakai pada RDF
    34. 34. mendeskripsikan konstruksi dari suatu tipe objek atau entitas (Classes), merelasikan satu tipe objek dengan yang lain (subClasses), properti yang mendeskripsikan objek (Properties), dan hubungan antara properti tersebut (subProperty)
    35. 35. menggambarkan hubungan yang terjadi antar class, properties, value, dan instances pada sebuah model semantik</li></li></ul><li>OWL (Web Ontology Language)<br /><owl:Class rdf:ID=”Transportation” /><br /><owl:Class rdf:ID=”Engine” /><br /><owl:Class rdf:ID=”Motorcycle”><br /><rdfs:subClassOf rdf:resource=”#Vehicle” /><br /></owl:Class><br /><ul><li>bahasa ontologi untuk web yang merupakan ekstensi dari RDF Schema [Heflin]
    36. 36. lebih ekspresifdari RDF Schema
    37. 37. dapat direpresentasikan sebagai RDF triplesdan juga memiliki bentuk graph modelseperti RDF</li></ul>Pendefinisian class<br />
    38. 38. ATURAN SEMANTIK<br />KOMPONEN<br /><ul><li> berbentuk triple seperti RDF [Knublauch]
    39. 39. memiliki bagian body
    40. 40. memiliki bagian head</li></ul>?company rdf:type :MajorCompany<br />body<br />[defineUncle: <br />(?p :hasChild ?c) (?p :hasSibling ?s) (?s rdf:type :MalePerson)<br /> (?c :hasUncle ?s)]<br />head<br />
    41. 41. ATURAN SEMANTIK<br />bahasa yang digunakan untuk mendefinisikan aturan semantik adalah SWRL (Semantic Web Rule Language) [Karimi]<br />SINTAKS SWRL<br />
    42. 42. REASONING<br /><ul><li>prinsip open world assumption[Heflin]
    43. 43. menggunakan OWL reasoner
    44. 44. menggunakan rule engine dengan bantuan SWRL rule engine</li></li></ul><li>METODOLOGI PENELITIAN<br />
    45. 45. PEMAHAMAN PROSES BISNIS<br />Pengetahuan awal<br />Kecerdasan<br />Nilai pretest<br />IPK<br />
    46. 46. ANALISIS TOOL<br />Protege 3.4 untuk modifikasi ontologi<br />
    47. 47. ANALISIS TOOL<br />Eclipse(+Jena framework) untuk pemrograman<br />
    48. 48. PENGEMBANGAN ONTOLOGI<br />Contributor<br />Student<br />Asset<br />Performance<br />Course<br />Lesson<br />Shareable Content Object<br />
    49. 49. Tambahan Object Property<br />
    50. 50. PENDEFINISIAN ATURAN SEMANTIK<br />easy<br />IPK < 3<br />Course1basedOnIPK<br />easy<br />Pretest < 60<br />Course1basedOnPreTest<br />medium<br />3 <= IPK < 3.5<br />Course2basedOnIPK<br />medium<br />60 <= Pretest < 85<br />Course2basedOnPreTest<br />hard<br />IPK >= 3.5<br />Course3basedOnIPK<br />hard<br />Pretest >= 85<br />Course3basedOnPreTest<br />nextCourse<br />Dapat mengambil course selanjutnya<br />
    51. 51. PROSES REASONINGDENGAN PELLET<br />Pellet (http://clarkparsia.com/pellet) merupakan contoh OWL reasoner<br />Tingkat reasoning hanya sampai pada level OWL reasoning<br />Tidak membaca SWRL<br />
    52. 52. PROSES REASONINGDENGAN JESS<br />Jess (http://herzberg.ca.sandia.gov/jess) merupakan contoh rule engine<br />Dihubungkan dengan SWRL rule engine bridge<br />
    53. 53. HASIL DAN PEMBAHASAN<br />
    54. 54. HASIL MODIFIKASI ONTOLOGI<br />OBJEK PEMBELAJARAN DAN MODEL MAHASISWA<br />
    55. 55. CONTOH ATURAN SEMANTIK YANG DIHASILKAN<br />Model aturan semantik yang dihasilkan bersifat umum <br />pengajar dapat membuat variasi aturan semantik tambahan<br />
    56. 56. HASIL REASONING ATURAN SEMANTIK<br />
    57. 57. PENUTUP<br />
    58. 58. Pembuatan aturan semantik dalam penelitian ini berperan untuk memperlihatkan penerapan proses reasoning pada sistem berbasis semantic web yang dibuat menggunakan Jena framework.<br />Untuk melakukan proses reasoning, diperlukan sebuah SWRL Rule Engine Bridge, yaitu sebuah penghubung antara ontologi dan rule engine. <br />Simpulan<br />Aturan dibuat berdasarkan dua karakteristik peserta ajar yaitu kecerdasan dan pengetahuan awal.<br />
    59. 59. Saran<br />Dapat dilanjutkan dengan tahapan penelitian selanjutnya, yaitu integrasidengan RDF Storage menjadi sebuah learning management system.<br />Aturan semantik yang telah dibuat dapat dikembangkan lebih lanjut dengan mempertimbangkan faktor gaya pembelajaran (learning style) dari peserta ajar. <br />Sebaiknya perlu ditambahkan materi-materi yang bervariasi dan dapat menunjang beberapa tipe peserta ajar. <br />source: adapting-to-change (slideshare)<br />
    60. 60. SEKIAN<br />source: imageshack.us<br />
    61. 61. TANYA JAWAB / DISKUSI<br />source: 10 Innovative Ideas To Improve the Productivity of Your Web Site<br />
    62. 62.
    63. 63.
    64. 64.
    65. 65.
    66. 66. ARSITEKTUR SEMANTIC WEB<br />memungkinkan pengguna web untuk mempercayai suatu informasi pada web<br />memungkinkan pengguna untuk menggunakan aplikasi semantic web<br />model berbentuk grafyang merepresentasikan resources dan relasinya<br />definisi kosakata yang digunakan pada RDF<br />bahasa yang digunakan untuk menentukan dan mendeskripsikan resources tertentu<br />bahasa yang mendukung pembuatan aturan semantik<br />bahasa untuk melakukan query pada RDF, termasuk untuk RDFS dan OWL<br />aturan sintaks yang berfungsi untuk menyajikan struktur data pada web<br />aturan dan sistem untuk melakukan reasoning pada ontologi<br />standar representasi karakter komputer<br />standar untuk lokasi dan identitas suatu resource<br />
    67. 67.
    68. 68.
    69. 69. http://www.daml.org/<br />
    70. 70.
    71. 71.
    72. 72.
    73. 73.
    74. 74.
    75. 75. PROSES REASONINGDENGAN PELLET<br />
    76. 76. PROSES REASONINGDENGAN JESS<br />

    ×