PENERAPAN METODE FUZZY ITEM RESPONSE THEORY PADA e-LEARNING COMPUTERIZED ADAPTIVE TEST

Diah Kusumawati, Andharini Dwi Cahyani, Muhammad Fuad

Abstract


ABSTRAK

Saat ini e-Learning sudah banyak diterima oleh masyarakat dunia, terbukti dengan maraknya implementasi e-Learning di lembaga pendidikan maupun industri. E-Learning merupakan suatu jenis sistem pembelajaran yang memungkinkan sampainya bahan ajar ke siswa dengan menggunakan media internet, atau media jaringan komputer lain. Tes adaptif merupakan sistem ujian otomatis yang dilakukan secara adaptif, menyesuaikan tingkat kesulitan soal dengan kemampuan masing-masing peserta ujian. Soal yang diberikan tergantung dari jawaban soal sebelumnya: benar atau salah. Dan hasilnya adalah level atau tingkat kemampuan peserta ujian. Salah satu metode yang digunakan dalam tes adaptif yaitu model Fuzzy Item Response Theory (FIRT) yang diimplementasikan dalam pembuatan aplikasi tes adaptif untuk lingkungan pendidikan. Berdasarkan hasil eksperimen, dapat disimpulkan bahwa Adaptive Test yang dikembangkan dengan menerapkan Fuzzy Item Response Theory mampu menempatkan siswa pada tingkat kemampuan yang sesuai dengan kemampuannya, nilai siswa lebih meningkat dengan menggunakan Adaptive Test dibandingkan dengan Konvensional Test hal tersebut dibuktikan dengan uji coba yang telah dilakukan dengan melihat hasil dari rata-rata nilai tiap siswa. Nilai siswa yang menggunakan Adaptive Test hasilnya lebih meningkat dibandingkan dengan nilai siswa yang menggunakan Konvensional Test. Dari rata-rata nilai siswa yang menggunakan Adaptive Test yakni 80, sedangkan rata-rata nilai siswa yang menggunakan Konvensional Test yakni 60.882353.

Kata Kunci : E-Learning, Fuzzy Item Response Theory (FIRT), Adaptive Test, Konvensional Test.

ABSTRACT

Nowadays e-learning has been widely accepted by the world society, it proved by the widespread implementation of e-Learning in the education institution and industry. E-Learning is one of the educational system that enables the students to get the teaching materials by use internet, computer networks, or the medias. Adaptive test is an automatic test system that adaptively did by adapting the difficulty level of the questions with each test participator’s abilities. The given questions are dependent by previuous answer : true or false. And the result is the level of the test participator ability. One of the used method in adaptive test is fuzzy item response theory (FIRT) model that implemented in adaptive test application production for educational environment. Based on the experimental result, can be concluded that, by appliying fuzzy item response theory , it can put the student to their ability level. The student’s score are increase by using adaptive test if it compared with conventional test. It proved with an experiment by look the average result from every student. Student’s scores who is using adaptive test is increaser than using the conventional test score. By the average score of students who use adaptive test are 80, while the average score of students who use the conventional test are 60.882353.

Keywords: E-Learning, Fuzzy Item Response Theory (FIRT), Adaptive Test, Conventional Test


References


Fahmi, M. 2011. Desain Dan Implementasi Computerized Adaptive Test Berbasis Item Response Theory Pada Learning Management System Moodle. Industri, Institut Sepuluh November.

Chih-Ming, C. A Personalized Courseware Recommendation System Based on Fuzzy Item Respon Theory. Junal Department of Information and Computer Education National Taiwan Normal University, Taipei, Taiwan. 123 Hua-His Rd., Hualien, Taiwan 970, R.O.C.

Sari, PK. 2006. Penerapan Item Response Theory Pada Adaptive Online Test System [Skripsi]. Universitas Indonesia. Jakarta.

Feni, S. 2012. Rancang Bangun E-Learning Computerized Adaptive Test Berbasis Item Response Theory [Skripsi]. Universitas Trunojoyo Madura. Bangkalan.




DOI: https://doi.org/10.21107/simantec.v4i2.1389

Refbacks

  • There are currently no refbacks.


Copyright (c) 1970 Diah Kusumawati, Andharini Dwi Cahyani, Muhammad Fuad

Indexed By