Promovendus Dina Fitria Murad Raih Gelar Doctor of Computer Science (DCS) dengan Predikat Cumlaude di BINUS University
BINUS University atau Universitas Bina Nusantara telah menggelar sidang terbuka Promosi Doctor of Computer Science (DCS) BINUS University di tengah pandemi. Dengan kandidat doktor atau promovendus atas nama Dina Fitria Murad yang mengusung judul disertasi “Sistem Rekomendasi Konteks Web Dengan Model Decision Tree Regressor Untuk Mendukung Proses Pembelajaran Daring Pada Pendidikan Tinggi Indonesia”.
Sidang dilaksanakan pada hari Selasa, 8 Desember 2020 bertempat di Ruang B0301 Kampus Alam Sutera, BINUS University. Di mana dalam sidang tersebut dihadiri oleh tiga promotor, yakni Prof. Dr. Ir. Widodo Budiharto, S.Si., M. Kom sebagai promotor, Dr. Ir. Yaya Heryadi, M.Si. sebagai co-promotor 1, dan Dr. Sani Muhammad Isa, S.Si., M.Kom. sebagai co-promotor 2.
Kemudian turut dihadirkan tiga penguji yang terdiri dari Dr. Derwin Suhartono, S.Kom., MTI. Sebagai penguji 1, Harry Budi Santoso, S.Kom., M.Kom., Ph.D. sebagai penguji 2, dan Dr. Ford Lumban Goul, S.Si. M.Kom. sebagai penguji 3.
Promovendus Dina Fitria Murad adalah seorang kelahiran Padang, 31 Agustus 1979 yang memulai jenjang pendidikannya di SD Negeri Desa Air Santok yang lulus pada tahun 1989, MTs negeri 1 Kota Pariaman yang lulus tahun 1994, SMU Negeri 1 Pariaman jurusan IPA yang lulus pada tahun 1997, Sarjana Ilmu Komputer di Universitas Putra Indonesia “YPTK” dengan jurusan Sistem Informasi yang lulus pada tahun 2001, pendidikan Master di Universitas Budi Luhur dengan jurusan Sistem Informasi yang lulus pada tahun 2011, dan program Doctoral Computer Science di Universitas Bina Nusantara.
Di samping menjalankan perannya sebagai seorang mahasiswa S3, peneliti menjalani profesi sebagai Online Lecture Coordinator di jurusan Sistem Informasi BINUS Online Learning, Research Coordinator, serta menjadi dosen tetap. Selama menjalani studi Doctoral-nya di BINUS University, peneliti sudah menghasilkan 9 paper yang terindeks Scopus, yang terdiri dari 6 conference dan 3 jurnal.
Disertasi Promovendus Dina Vitria Murad
Melalui judul disertasi yang diangkat oleh peneliti, hal ini dilatarbelakangi dengan adanya evolusi terkait dengan pembelajaran daring yang mengalami migrasi dari face to face learning menjadi blended, hybrid, dan akhirnya karena adanya pandemi, maka saat ini telah menjadi online learning full. Dan di dalam prosesnya diketahui adanya ketidaksiapan dari beberapa unsur terkait dengan perubahan ini.
Alasan peneliti mereferensikan penggunaan sistem rekomendasi adalah karena sistem rekomendasi mempersiapkan personalisasi sistem, serta sistem rekomendasi menyediakan item dan jalur yang efisien bagi pelajar dalam menyelesaikan studinya. Sementara itu, yang terjadi saat ini semua Learning Management System (LMS) menyediakan fitur yang sama untuk seluruh pelajar. Meskipun pelajar berasal dari berbagai karakteristik yang berbeda-beda.
Melalui studi literatur yang sudah dilakukan peneliti diketahui bahwa masih ada peluang-peluang yang sangat besar untuk pemanfaatan sistem rekomendasi, khususnya di bidang pendidikan. Dan dari beberapa paper yang telah di-publish hingga tahun 2020, diketahui bahwa banyak peneliti yang cenderung mengedepankan akurasi dari sistem rekomendasi dan belum ada yang secara jelas memfokuskan penelitiannya pada capaian pembelajaran pelajar sesuai dengan personality dari pelajarnya.
Melalui hal tersebut, peneliti pun telah menghasilkan research problem untuk mengetahui bagaimana men-develop dan memastikan performance dari sistem rekomendasi konteks aware berbasis machine learning untuk mencapai tujuan pembelajaran dari pelajar.
Oleh karena itu, dalam riset ini peneliti melalui tiga tahapan besar, yakni mendesain sistem rekomendasi untuk higher education yang mengacu pada riset framework sistem rekomendasi, melakukan prediksi pada skor dengan menggunakan rule base dengan formulasi metode berupa user collaboration, item collaboration, hybrid collaboration, dan evaluation: statisting, serta prediksi nilai dengan menggunakan machine learning dengan features selection dan regresium prediction.
Objektif dan kontribusi yang ada di dalam penelitian ini adalah menentukan sistem informasi kontekstual yang paling berpengaruh terhadap sistem rekomendasi untuk prediksinya. Kemudian menentukan rating, dan menghasilkan model machine learning serta melakukan pengukuran terhadap performance sistem rekomendasi. Lalu diketahui bahwa findings dari penelitian ini adalah context agregate dengan high accuracy serta MSE terkecil untuk kelima indikator yang akan diuji pada penelitian ini dengan menggunakan decision tree reggresor.
Penelitian yang dilakukan oleh promovendus Dina Fitria Murad mengacu pada konseptual riset framework yang dimulai dengan adanya entry point pada fenomena objek riset, kemudian menentukan judul serta melakukan input analisis berdasarkan dua teori besar yaitu Aggrawal dan Ricci’s, bukan literatur review serta menentukan problem poin diantaranya berupa state of the art, research question, problem formulation, dan research purposes. Dan untuk menjawab keempat research question, peneliti melakukan beberapa eksperimen menggunakan set data repository BINUS online learning pada masa lampau dengan kode 1811 hingga 1922.
Adapun research framework pada penelitian ini terkait personalisasi sistem rekomendasi based on teaching learning process mengacu pada Learning Management System (LMS) yang ada saat ini di BINUS online learning. Dengan menggunakan dua data besar dari operation data dan akademik data terkait akademik transkrip student profile dan curdev yang nanti akan digunakan pada data set metrik sebagai input pada data set. Kemudian sebagai prediktor tiga metode berupa user, item dan hybrid untuk memprediksi nilai FOD tim assignment, personal assignment, kuis dan nilai final.
Utility matrix yang digunakan pada penelitian ini sebagai data set input dan sudah dilakukan dengan pengujian menggunakan rule based serta KNN yang menggunakan K3, 5, dan 7. Selanjutnya peneliti mengevaluasi secara statistik terhadap kinerja sistem rekomendasi menggunakan tiga metode, user based collaborative filtering, item based collaborative filtering, dan hybrid collaborative filtering.
Pengujian pertama tanpa menggunakan informasi kontekstual kemudian dengan informasi kontekstual. Tanpa informasi kontekstual diketahui bahwa koefisien korelasi terendah antara nilai aktual dengan nilai prediksi adalah dengan menggunakan item based sementara yang tertinggi dengan menggunakan user based dan hybrid collaborative filtering.
Kemudian di pengujian yang kedua, peneliti melakukan hipotesis testing dengan informasi kontekstual dan hasilnya diketahui bahwa koefisien korelasi antara nilai aktual dengan nilai grade terendah adalah pada model item based collab filtering dan yang tertinggi atau yang terbaik dalam user based collab filtering. Dan dari hasil pengujian ini juga messages kebutuhan terkait adanya pemanfaatan model machine learning.
Kesimpulan dari hasil penelitian ini adalah user based collaborative filtering dengan pemanfaatan informasi kontekstual ternyata terbukti efektif merupakan satu metode yang paling baik dlm melakukan prediksi nilai mahasiswa. Eksperimen ini membuktikan bahwa model decision tree regressor merupakan model machine learning yang paling baik diantara 6 teknik digunakan peneliti untuk men-generate nilai prediksi pada masing-masing pelajar. Dan keseluruhannya, hasil penelitian ini juga membuktikan bahwa mean square adalah metrik yang paling tepat untuk mengukur kinerja dari sistem rekomendasi yang dihasilkan.
Peneliti menyampaikan bahwa di masa depan akan melakukan eksplor lebih jauh terhadap pemanfaatan informasi kontekstual diantaranya adalah melakuan tambahan terkait fitur-fitur yang dapat di-compare lebih jauh terkait informasi kontekstual.
Melalui penelitiannya inilai, promovendus Dina Fitria Murad lulus dengan predikat cumlaude dan telah menjadi Doktor ke-19 dari program Doctor of Computer Science BINUS University.