Bagi beberapa pihak, pembelajaran konvensional dianggap tidak efektif karena belum memperhatikan keberagaman karakteristik atau kondisi pengetahuan masing-masing siswa. Oleh karena itu, intelligent tutoring system (ITS) mulai dikembangkan untuk mengakomodasi keberagaman tersebut. Secara umum, ITS dikembangkan untuk mengatasi tingkat kesalahan atau miskonsepsi. Penelitian ini berfokus pada pengukuran tingkat pemahaman siswa menggunakan metode Bayesian network. Bayesian network adalah metode artificial intelligent yang menyediakan pendekatan probabilistik untuk mendapatkan inference atau kesimpulan. Instrumen evaluasi pilihan ganda biasa disertai certainty of response index (CRI) digunakan untuk membantu pengukuran. Pada penelitian ini, data dari penelitian sebelumnya yang telah dilakukan pada tahun 2013 digunakan untuk eksperimen. Eksperimen dilakukan terhadap 2 materi, yaitu materi pencernaan dan pernapasan, dimana masing-masing materi memiliki 3 sub materi. Kedua materi tersebut dimodelkan menjadi 3 model DAG. Model 1 merupakan model DAG materi pencernaan. Model 2 merupakan model DAG materi pernapasan. Model 3 merupakan model DAG untuk materi pencernaan menggunakan modifikasi data jenjang kognitif sehingga hasil pengukuran sesuai dengan konteks hirarki Bloom. Penelitian ini menyatakan bahwa dari 83 siswa pada 3 model DAG dengan masing-masing tiga sub materi pada materi pencernaan dan pernapasan, rata-rata hasil pengukuran tingkat pemahaman siswa menggunakan Bayesian network adalah sekitar 49,97%; pengukuran pada penelitian sebelumnya adalah 86,3%. Pada DAG model 1 dan 2, jumlah siswa yang miskonsepsi (6,5%) lebih sedikit dibandingkan siswa yang paham (55,96%) atau tidak paham (24,89%). Sedangkan pada DAG model 3 yang datanya telah dimodifikasi, jumlah siswa yang tidak paham (44,09%) lebih banyak dibandingkan dengan siswa yang miskonsepsi (9,29%) atau paham (37,3%). Kata Kunci: Intelligent tutoring system, Bayesian network, miskonsepsi, tingkat pemahaman siswa, certainty of response index.

For some parties, conventional education are considered not effective because it does not reckon the diversity of characteristic or knowledge level of students. Therefore, intelligent tutoring system (ITS) begins to develop in order to accommodate that diversity. Generally, ITS developed to overcome error level or misconception. This research focuses on measurement of knowledge level using Bayesian network. Bayesian network is an artificial intelligent method that provides probabilistic approach to acquire inference or conclusion. Evaluation instrument for ordinary multiple choice type accompany with Certainty of Response Index (CRI) used to help measurement. In this research, data from earlier research that's already done in 2013 is used for experiment. Experiment was done toward 2 materials, that were digestion and respiration material, where each material has 3 sub materials. Both of them were modeled into 3 DAG model. Model 1 was DAG model of digestion material. Model 2 was DAG model of respiration material. Model 3 was DAG model of digestion material using modified data of cognitive level so that the measurement result comply to hierarchy context of Bloom. The Research indicates that from 83 student on 3 DAG model with 3 sub materials for each DAG model on digestion and respiration material, the average of result of measurement of knowledge level using Bayesian network is about 49,97% ; The result of measurement in earlier research is 86,3% On model DAG 1 and 2, the number of students who are misconception (6,5%) are more compare to students who understand (55,96%) or don't understand (24,89%). While on model 3 with modified data, the number of students who are don't understand (44,09%) are more compare to student who misconception (9,29%) or understand (37,3%). Keywords: Intelligent tutoring system, Bayesian network, misconception, level knowledge of students, certainty of response index.

http://digilib.polban.ac.id/gdl.php?mod=browse&op=read&id=jbptppolban-gdl-vindasagit-6508