<![CDATA[Computer-Supported Collaborative Learning (CSCL) adalah bentuk pembelajaran kolaboratif yang dibantu oleh komputer. CSCL memanfaatkan teknologi komputer dalam berbagai aspek, mulai dari untuk meningkatkan interaksi antar anggota kelompok, berbagi pengetahuan, hingga membagi dan menggabungkan pekerjaan kelompok tersebut. CSCL tidak dapat berjalan tanpa adanya Computer-Supported Group Formation (CSGF). Pada tugas akhir ini penulis menganalisis dan merancang CSGF yang cocok untuk pengimplementasian algoritma Performance Factor Analysis. Pengimplementasian dan pengujian sistem serta parameter – parameter yang dibutuhkan oleh Performance Factor Analysis ditentukan dengan pendekatan bounded. Sistem CSGF yang dibangun menggunakan Stereotype model yang menggunakan knowledge base dan average performance sebagai atribut yang menjadi stereotype. Stereotype model dibangun menggunakan K-means clustering. Grup yang dibentuk bersifat ability group dan beranggotakan 3 orang. Parameter – parameter Performance Factor Analysis yaitu β, γ, dan Ï berpengaruh terhadap homogenitas grup yang dibentuk. Ketiga parameter berbanding terbalik dan memiliki pengaruh yang tidak begitu besar dengan homogenitas grup yang dibentuk. Sebaliknya, inisialisasi centroid pada saat pembuatan stereotype model menggunakan K-means memiliki pengaruh yang signifikan terhadap grup yang dibentuk, termasuk homogenitasnya. Dimana beberapa inisialisasi centroid yang dilakukan menghasilkan grup yang homogenitasnya baik, dan beberapa tidak. Kata Kunci: stereotype model, user model, performance factor analysis, , K-means clustering, knowledge base, average performance, homogenitas, grup]]>
Copyrights © 2016
