http://repository.ipb.ac.id/handle/123456789/162421 2026-09-29T23:49:35Z http://repository.ipb.ac.id/handle/123456789/179960 Pengembangan Sistem Rekomendasi Tipe Belajar Mahasiswa Menggunakan Teknik Reinforcement Learning Pada Personalized Learning System Aditya, Ahmad Yudha Materi Computational Thinking (CT) bersifat abstrak sehingga satu pendekatan pembelajaran seragam tidak efektif untuk semua mahasiswa. Personalized Learning System (PLS) yang ada masih statis, hanya membedakan dua tipe belajar dan tidak merespons dinamika pola belajar mahasiswa secara real-time. Data awal dari 451 mahasiswa peserta CT di IPB menunjukkan distribusi tipe kognitif yang tidak merata (90,0% tergolong PAR), mengindikasikan rekomendasi statis dua-tipe mengabaikan kelompok minoritas. Penelitian ini mengembangkan PLS adaptif berbasis Reinforcement Learning Contextual Bandit yang memperluas ruang aksi dari 2 menjadi 8 Learning Type dikombinasikan 6 level mastery, menghasilkan 48 kode kognitif. Optimasi hyperparameter dievaluasi pada lima metrik mutu pemodelan dan keberhasilan menemukan Learning Type, diuji terhadap 100.800 mahasiswa simulasi yang meliputi seluruh 48 kode kognitif. Konfigurasi Low Exploration (Epsilon_0=0,20, decay=0,995) terpilih sebagai terbaik dengan tingkat konvergensi 45,3% dan porsi pemilihan Learning Type sesuai sebesar 36,8%, dibandingkan 12,5% pada pemilihan acak maupun aturan statis. Keunggulan tersebut bertahan pada ketujuh skema variasi atribut, termasuk ketika kondisi awal mahasiswa tidak membawa informasi mengenai Learning Type yang sesuai. Verifikasi sesi nyata 20 pertanyaan mencapai akurasi 95%, dan survei terhadap 21 pengguna menunjukkan 85,7% merasakan kesesuaian dengan gaya belajar mereka. Integrasi RAG-FAISS dan LLM menghasilkan konten pembelajaran kontekstual selaras kode kognitif aktif.; Computational Thinking (CT) material is abstract, so uniform teaching is ineffective across students. Existing Personalized Learning Systems (PLS) remain static, distinguishing only two learning types and unresponsive to real-time changes in learning patterns. Preliminary data from 451 CT students at IPB show an uneven cognitive-type distribution (90.0% classified as PAR), indicating static two-type recommendations neglect minority learners. This research develops an adaptive PLS based on Contextual Bandit Reinforcement Learning, expanding the action space from 2 to 8 Learning Types combined with 6 mastery levels, producing 48 cognitive codes. Hyperparameter optimization was evaluated across five metrics of modelling quality and Learning Type identification, tested on 100.800 simulated students spanning all 48 cognitive codes. The Low Exploration configuration (Epsilon_0=0.20, decay=0.995) was selected as optimal, achieving a 45.3% convergence rate and selecting the appropriate Learning Type in 36.8% of questions, against 12.5% under both random selection and a static rule. The advantage persists across all seven attribute variation schemes, even under uninformative initial conditions. Verification on a real 20-question session achieved 95% accuracy, and a survey of 21 users showed 85.7% perceiving a match with their learning style. RAG-FAISS and LLM integration produces contextual content aligned with the student's active cognitive code. 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/179919 Perancangan Usability Sistem E-Portofolio Mahasiswa Kedokteran untuk Dosen dengan Five Planes Framework KHOIRI, FAIZUSSABIQ E-portofolio mendukung dokumentasi dan pemantauan perkembangan mahasiswa kedokteran, tetapi perlu disesuaikan dengan alur kerja dosen. Penelitian bertujuan merancang dan mengevaluasi usability prototipe e-portofolio mahasiswa pre-klinik Fakultas Kedokteran IPB University menggunakan Five Planes Framework. Penelitian diawali wawancara, evaluasi usability menggunakan mixed methods dominan kualitatif melalui observasi, Retrospective Think Aloud (RTA), completion rate, average time on task, dan System Usability Scale (SUS). Penelitian menghasilkan high-fidelity prototype untuk fungsi validasi logbook, penilaian berbasis rubrik, feedback, rekap nilai, dan pemantauan perkembangan. Hasil evaluasi menunjukkan kebutuhan perbaikan pada penyajian informasi, fleksibilitas pengelolaan, akses dan penyaringan data, serta feedback sesuai peran pengguna. Setelah perbaikan, observasi dan RTA menunjukkan hambatan utama berkurang, didukung completion rate 100% dan skor SUS 83,75–89,17. Hasil ini memberikan indikasi deskriptif usability prototipe yang lebih baik pada skenario yang diuji.; An e-portfolio can support the documentation and monitoring of medical student development, must be aligned with lecturer workflows. This study aimed to design and evaluate the usability of an e-portfolio system prototype for preclinical medical student at the Faculty of Medicine, IPB University, using the Five Planes Framework. The study began with interviews, the usability evaluation employed a qualitative-dominant mixed methods approach through observation and Retrospective Think Aloud (RTA), completion rate, average time on task, and the System Usability Scale (SUS). The study produced a high-fidelity prototype for logbook validation, rubric-based assessment, feedback, score recapitulation, and development monitoring. The evaluation indicated the need for improvements in information presentation, management flexibility, data access and filtering, and feedback according to user roles. After the improvements, observation and RTA showed that the main barriers were reduced, supported by a 100% completion rate and SUS scores ranging from 83.75 to 89.17. These results provide a descriptive indication of improved prototype usability in the tested scenarios. 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/179813 Pengembangan Model Game Theory Berbasis Agen dengan Variasi Payoff Retention Berdasarkan Tradisi Perburuan Paus di Lamalera Abhinaya, Muhammad Shidqi Tradisi perburuan paus di Lamalera, Nusa Tenggara Timur, merupakan kerja sama komunal berkru besar menggunakan perahu téna. Beberapa dekade terakhir, perahu jonson menciptakan alternatif yang berpotensi mengubah preferensi nelayan dalam memilih perahu. Penelitian sebelumnya memodelkan ini menggunakan Agent-Based Modeling dengan asumsi evaluasi imbalan terbaru dalam rentang waktu tetap yang seragam antar-nelayan, tanpa peluruhan memori. Penelitian ini mengembangkan model yang memperhitungkan perbedaan tersebut melalui faktor retensi imbalan, menggunakan Exponentially Weighted Moving Average, untuk membedakan agen Fast-Decay Memory yang reaktif terhadap hasil terbaru dan Slow-Decay Memory (Slow-Decay Memory) yang mempertahankan pengaruh riwayat lebih lama. Simulasi memvariasikan proporsi profil agen pada dua skenario, tanpa dan dengan jonson, lalu mengukur partisipasi, ketahanan kelompok kerja, dan pola perpindahan perahu. Hasil menunjukkan kerja sama pada téna meningkat setelah proporsi Slow-Decay Memory melewati 40%, namun tidak pernah mencapai dominasi mutlak meski seluruh populasi berprofil Slow-Decay Memory. Kehadiran jonson memperlambat peningkatan ini dengan menyerap sebagian populasi secara permanen, tetapi pada proporsi Slow-Decay Memory tinggi, jonson justru menjadi jalur penguatan téna, ditandai perpindahan dari kegiatan individual menuju kelompok lebih besar (sapa-jonson-téna) yang menyalip jalur pelemahan (téna-jonson-sapa). Temuan ini menegaskan bahwa nelayan dengan retensi imbalan tinggi berperan sebagai penyeimbang keberlangsungan kerja sama komunal, meski perannya dapat tertekan oleh sarana tangkap yang lebih praktis. 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/179792 Pembentukan Dataset dan Klasterisasi Data Kepakaran Berbasis Publikasi dan Sitasi Google Scholar Ramadhani, Naufal Fa'iq Pemetaan kepakaran peneliti penting untuk memahami perkembangan bidang penelitian di perguruan tinggi. Penelitian ini membangun dataset dan memetakan kelompok kepakaran peneliti di Sekolah Sains Data, Matematika, dan Informatika (SSMI) IPB University berdasarkan publikasi Google Scholar. Data hasil web scraping diproses melalui deduplikasi dan prapemrosesan teks, direpresentasikan dengan TF-IDF, direduksi dimensinya dengan LSA, lalu dikelompokkan menggunakan K-Means. Hasil penelitian menghasilkan lima kelompok kepakaran yang merepresentasikan bidang keilmuan di SSMI. Jumlah klaster ini dipilih berdasarkan kesesuaiannya dengan struktur program studi, meskipun konfigurasi enam klaster memiliki nilai pemisahan lebih tinggi. Dataset dan pemetaan yang dihasilkan dapat mendukung pengambilan keputusan akademik dan pengembangan kolaborasi riset. 2026-01-01T00:00:00Z