Hasil Pencarian  ::  Simpan CSV :: Kembali

"Personalisasi pembelajaran merupakan langkah efektif untuk meningkatkan kualitas belajar dalam suatu lingkungan pembelajaran online. Untuk menciptakan aplikasi e-learning yang mendukung personalisasi, objek pembelajaran harus dirancang sedemikian rupa sehingga memiliki kemampuan adaptasi terhadap berbagai karakteristik peserta didik dengan kebutuhan dan kemampuan yang bervariasi. Skripsi ini membahas perancangan model objek pembelajaran yang mampu mendukung personalisasi dengan menggunakan pendekatan ontologi, serta bentuk penerapannya dalam sebuah aplikasi berbasis semantic web. Dengan menggunakan metode studi literatur dan pengembangan sistem, penelitian ini menghasilkan model objek pembelajaran yang adaptif, tidak hanya pada level sintaksis namun juga semantik, serta prototipe semantic portal yang mampu mendemonstrasikan penerapan model tersebut.

---

Personalization is an effective way to increase the quality of learning in online learning environment. To create an e-learning application which supports personalization, learning objects should be designed to have the ability to adapt with various characteristics of learners; with diverse needs and capabilities. The focus of this study is the design of learning objects model that supports personalization by using ontologies and its implementation in semantic web-based applications. By conducting literature studies and system development, this research proposes an adaptive learning objects model, in both syntactic and semantic forms, and produces semantic portal to demonstrate the use of the model."

"Salah satu tantangan bagi pengembangan teknologi e-learning selanjutnya adalah mengembangkan sistem pembelajaran yang memiliki fitur personalisasi sesuai dengan kondisi setiap pembelajarnya. Untuk itu diperlukan sistem yang dapat mengerti data informasi mengenai pembelajar dan kemudian menyajikan materi pembelajaran yang cocok dengan pembelajar tersebut.Penelitian di Fasilkom UI mengembangkan sistem personalized e-learning yang melakukan personalisasi berdasarkan gaya belajar (learning style) dan performa pembelajaran yang sudah dilakukannya (pre-knowledge). Selain itu sistem personalized e-learning ini juga dapat merekomendasikan mata kuliah yang cocok sesuai karakteristik pembelajar. Untuk melakukan penelitian ini digunakan teknologi Semantic Web.Salah satu komponen inti dari teknologi semantic web adalah penggunaan ontologi sebagai format struktur data. Salah satu ontologi penting yang digunakan untuk membangun personalized e-learning adalah ontologi user-model. Ontologi usermodel digunakan untuk memodelkan pengguna sistem personalized e-learning.Penelitian yang dilakukan penulis ini adalah merancang suatu ontologi user-model untuk pengembangan sistem personalized e-learning sekaligus melakukan observasi terhadap teknologi Semantic Web khususnya mengenai ontologi.

---

Next challenge of e-learning development is developing learning sysrem which have personalisation feature based on the condition of every learner. It is needed the system that able to understand information data about a learner and then gives suitable learning materials for the learner.At Fasilkom UI, it is developed the personalization e-learning system which doing personalization based on learning style and learning performance. Beside that, this system also can recommend courses that suitable for characteristics of learner. Semantic Web technology is being used for this research.One of the main component of semantic web technology is usage of ontology for data structure format. One important ontology used for developing personalized e-learning is user-model ontology. User-model ontology is used for modelling a user of personalized e-learning.The research that being done by writer in is desingning an user-model ontology for personalized elearning develoment and also doing observation about semantic web technology, especially about ontology."

"Salah satu tolak ukur yang paling mudah dilihat dari pembelajaran adalah dengan performa yang ditunjukan terhadap suatu konsep tertentu. Hal itu juga berlaku dalam ELearning, setiap pembelajar akan menghasilkan performa terhadap suatu konsep yang dipelajari. Pembelajaran pada E-Learning akan lebih efektif dengan menggunakan personalisasi karena setiap pembelajar akan mendapatkan materi sesuai dengan karakteristiknya.Pada penelitian ini personalisasi dilakukan menggunakan teknologi Semantic Web yaitu ontologi, dalam hal ini ontologi yang dibahas adalah ontologi Learning Performance yang menyimpan nilai performa dari pembelajaran suatu konsep tertentu. Penelitian ini bertujuan untuk merancang ontologi Learning Performance untuk personalisasi E-Learning kemudian melakukan visualisasi menggunakan software portal. Visualisasi menggunakan portal dilakukan agar data lebih mudah dipahami.

---

One of assessment of learning that can be easily seen by using performance that is shown for certain concept. This is also happen in E-Learning, every learner will show result for certain concept they have learned. Learning will be more effective if using personalization, because learner can get study material that was match with their learning characteristic.In this research, personalization is doing by using ontology, more specificly Learning Performance ontology that keep performance value from learning some concept. This research aim for design Learning Performance ontology for ELearning personalization then to visualize with software portal. Visualization using portal is in order that data can be easier to understand."

"Setiap pembelajar memiliki karakteristik berbeda-beda antara lain berupa gaya belajar, prior knowledge, dan kecerdasan. Permasalahan ini sulit sekali diakomodasi pembelajaran tradisional. Berawal dari e-commerce, personalisasi meluas ke berbagai bidang TI termasuk pembelajaran online. Teknologi untuk personalisasi salah satunya adalah semantic web yang dapat membuat sistem menjadi adaptif. Tahap awal dalam pengembangan sistem berbasis semantic web adalah pemodelan dengan ontologi yang memiliki kemampuan reasoning terhadap banyak data. Salah satu ontologi yang harus dikembangkan adalah student model ontology yang dikembangkan pada penelitian ini dengan mempertimbangkan aspek gaya belajar dan performa sebagai representasi prior knowledge dan kecerdasan siswa.

---

Each learner has different characteristics including learning styles, prior knowledge, and intelligence. This problem is very difficult to accommodate by traditional learning. Starting from e-commerce field, personalization extends to various fields of IT including online learning. One of technologies for personalization is semantic web which makes systems adaptive. The first stage is modeling with ontology that has ability of reasoning large of data. One of the ontologies that must be developed is student model ontology, which is developed by considering learning styles and performance aspect that represents students prior knowledge and intelligence."

"Salah satu masalah bioinformatika adalah masalah rekonstruksi barisan DNA dengan metode Sequencing by Hybridization (SBH). Untuk melakukan rekonstruksi barisan DNA digunakan jalur Euler yang dicari pada graf DNA. Dalam skripsi ini dibahas beberapa algoritma untuk mencari jalur Euler, berikut kompleksitas algoritmanya, dan penggunaanya dalam SBH. Secara umum algoritma yang dibahas memiliki kompleksitas polinomial. Pada akhir skripsi dibahas algoritma yang dikatakan memiliki kompleksitas "linier"."

"Pada saat ini telah dibangun Portal Open Data UI, yang merupakan portal berbasis Semantic Web untuk mengintegrasikan berbagai sistem administrasi akademik di UI. Penelitian ini ditujukan untuk membuat ontologi evaluasi akademik yang akan diimplementasikan pada portal tersebut. Ontologi evaluasi akademik adalah pemodelan representasi pengetahuan pada domain akademik yang sesuai dengan kebutuhan evaluasi akademik. Ontologi evaluasi akademik mencakup keterhubungan antar dosen, mahasiswa, perguruan tinggi beserta aktivitas-aktivitasnya di setiap tahun akademik. Ontologi ini dibuat dengan metode Ontology Development 101 dengan langkah-langkah (1) menentukan domain dan cakupan ontologi yaitu dengan cara membuat competency questions, (2) analisis menggunakan ontologi yang tersedia, (3) enumerasi kosakata, (4) mendefinisikan class dan hierarki antar class, (5) mendefinisikan property, dan (5) mendefinisikan slot. Penelitian ini menghasilkan ontologi evaluasi akademik yang mengacu pada proses evaluasi internal semester jenjang S1, S2 dan S3 di Universitas Indonesia. Ontologi yang dihasilkan telah dipublikasikan, agar tidak hanya dapat diterapkan pada Universitas Indonesia, namun juga dapat dimanfaatkan oleh perguruan tinggi lain di Indonesia.

---

At this time there is Portal Open Data UI, which is a Semantic Web-based portal to integrate various systems of academic administration at the Universitas Indonesia. This research aimed to create academic evaluation ontology will be implemented in the portal. Academic evaluation ontology is modeling knowledge representation in the academic domain that fit the needs of academic evaluation. Academic evaluation ontology connectivity between faculty, students, colleges along its activities at every academic year. This ontology is made by the method of Ontology Development 101 with steps (1) determine the domain and scope of the ontology with competency questions, (2) consider reusing existing ontologies, (3) enumerate important terms in the ontology, (4) define the classes and the class hierarchy, (5) define property, and (5) define slot. This research has resulted ontology academic evaluation refers to the process of semester internal evaluation for undergraduate, master, and doctoral at the Universitas Indonesia. The ontology has been published, so that not only applied to Universitas Indonesia, but also can be used by other universities in Indonesia."

"Penyejajaran antar barisan DNA dilakukan untuk melihat tingkat kemiripan antara barisan tersebut. Sebagian besar metode dalam penyejajaran barisan menggunakan pendekatan program dinamik. Salah satu metode yang sering digunakan adalah Metode Needleman-Wunsch. Pada metode tersebut semua lintasan yang ada ditelusuri. Metode yang digunakan dalam tugas akhir ini, tidak menelusuri semua lintasan yang ada. Lintasan yang ditelusuri adalah lintasan yang skornya dibatasi oleh suatu nilai tetap tertentu. Pada percobaan yang telah dilakukan, nilai batas tersebut menentukan diperoleh atau tidaknya lintasan yang dicari dalam penyejajaran barisan."

"Skripsi ini membahas suatu metode yang biasa dikenal dengan nama DIALIGN untuk mencari penyejajaran terbaik dari dua barisan DNA. Algoritma ini berdasarkan pada perbandingan segmen dengan segmen bukan seperti yang biasa dilakukan yaitu perbandingan residu dengan residu. Selain itu, algoritma ini juga menghindari kesulitan dalam menentukan pemilihan untuk memberikan penalti yang tepat bagi gap. Pada DIALIGN, seluruh diagonaldiagonal yang mungkin dari input barisan yang diberikan akan diberi bobot dan dibandingkan dengan diagonal yang lain untuk mendapatkan diagonaldiagonal yang akan membentuk penyejajaran optimal. Penghitungan bobot dari diagonal berdasarkan pada probabilitas kesamaan residu pada diagonal. Setelah diperoleh skor maksimum, penyejajaran akan dibangun dengan cara menelusuri kembali komponen-komponen yang telah memproduksi skor maksimum. Penyejajaran yang telah dihasilkan merupakan sehimpunan diagonal-diagonal yang konsisten. Di akhir, algoritma DIALIGN diimplementasikan pada suatu program. Berdasarkan simulasi program, algoritma DIALIGN mampu memproduksi penyejajaran optimal dari sepasang barisan. Dan kinerja program sangat baik untuk barisan-barisan pendek.

---

This skripsi discusses a method known DIALIGN to find the best alignment of two DNA sequences. This algorithm is based on segment-tosegment comparison instead of the commonly used residue-to-residue comparison. Also, this algorithm avoids the wellknown difficulties concerning the choice of appropriate gap penalties. In DIALIGN, all possible diagonals of the input sequences will be weighted and compared to find the diagonals which compose optimal alignment. Diagonal weight is based on match probability of residues in the diagonal. Having the maximum score, the alignment will be constructed by tracing back the components which produce the maximum score. The resulted alignment can be considered as consistent collections of diagonals. In the final, the algorithm is implemented in a program. According to the simulation of the program, DIALIGN algorithm is able to produce optimal sequence alignment from a pair of sequence. And the program performs well on short sequences."