Identifikasi Kondisi Emosional dalam Pembelajaran Menggunakan Dynamic Keystroke

Authors

  • Herizka Azizah Politeknik Caltex Riau
  • Dadang Syarif Sihabudin Sahid Politeknik Caltex Riau
  • Rika Perdana Sari Politeknik Caltex Riau

Abstract

Nilai merupakan salah satu parameter bagi siswa dalam mengukur pemahaman materi pelajaran. Dalam menghadapi pelajaran, siswa membutuhkan emosi yang stabil agar belajar tersebut dikatakan berhasil. Namun tidak semua guru yang bisa mengetahui kondisi emosi siswa. Maka dibangunlah sebuah aplikasi pendeteksi emosi dengan menganalisis pola mengetik pada keyboard. Aplikasi ini dibangun dengan tujuan untuk mengetahui emosi siswa menggunakan dynamic keystroke dengan menerapkan algoritma decision tree. Kondisi emosi siswa yang diambil pada pengujian ini yaitu senang, badmood dan sedih. Dilakukan beberapa pengujian, yaitu confusion matrix didapat akurasi algoritma dari data sebesar 92,06%. White box dengan nilai complexity 6 yang mengatakan program aplikasi ini termasuk sederhana tanpa banyak resiko. Untuk uji statistik dengan paired sample t test berdasarkan nilai variansi data 7,92 setelah menggunakan aplikasi lebih kecil dari nilai variansi data 9,38 sebelum menggunakan aplikasi. diperoleh kesimpulan bahwa aplikasi yang digunakan berhasil secara signifikan, sehingga dapat membantu guru dalam mengontrol pembelajaran dikelas. Hal ini juga dapat dilihat dari hasil perbandingan nilai bahwa rata-rata nilai siswa setelah menggunakan aplikasi lebih besar 3,58 dibanding dengan nilai sebelum menggunakan aplikasi.

Author Biographies

Herizka Azizah, Politeknik Caltex Riau

Sistem Informasi

Dadang Syarif Sihabudin Sahid, Politeknik Caltex Riau

Sistem Informasi

Rika Perdana Sari, Politeknik Caltex Riau

Teknik Informatika

References

Andrioza. (2014). Strategi Dan Hambatan Edutainment Pada Matapelajaran Pendidikan Agama Islam Di Smp Muhammadiyah 13 Wonosegoro Tahun Pelajaran 2014. Sekolah Tinggi Agama Islam Negeri.

Epp, Clayton dkk (2011). Identifying Emotional States using Keystroke Dynamics. Department of Computer Science, University of Saskatoon. Kanada.

Zhao, Ying (t.t). Learning User Keystroke Patterns for Authentication.

Piana, Stefano dkk (2014). Real-time Automatic Emotion Recognition from Body Gestures. DIBRIS University of Genova 16145 Genova, Italy.

Bagad, A.A. (2014). Identify Emotions through Human-Machine Interface. Department of Electronics and Telecommunication, Sgref’s Ghr Coem, Pune University, India.

Purnamaningsih, L.Pt dkk. (2013). Identifikasi Emosi Melalui Pendeteksian Karakteristik Ekspresi Wajah (Face Expression) Dalam Rangka Mengentaskan Masalah Siswa Melalui Konseling Individual. Jurusan Bimbingan Konseling, FIP Universitas Pendidikan Ganesha Singaraja, Indonesia.

Watson, Arthur H & McCabe, Thomas J. (tt). Structured Testing: A Testing Methodology Using the Cyclomatic Complexity Metric.

Sukestiyarno. (2014). Statistik Dasar.

Published

2016-05-26

Issue

Section

Artikel