IMPLEMENTASI RANDOM FOREST PADA WEB FLASHCARD UNTUK MEMPREDIKSI TINGKAT KESULITAN KARTU

Abstrak

Prediksi tingkat kesulitan kartu dalam penggunaan flashcard merupakan salah satu penerapan penting dalam pengembangan sistem pembelajaran adaptif dan kecerdasan buatan, khususnya untuk mendukung proses belajar yang lebih personal bagi pengguna. Namun, menentukan tingkat kesulitan secara akurat masih menjadi tantangan, terutama karena perbedaan gaya belajar pengguna dan variasi parameter yang dihasilkan dari interaksi mereka dengan kartu. Penelitian ini bertujuan untuk mengembangkan sistem prediksi tingkat kesulitan flashcard berbasis web menggunakan metode Random Forest, yang dikenal memiliki performa baik dalam klasifikasi data dengan banyak fitur. Sistem ini dirancang untuk mengumpulkan berbagai parameter penggunaan flashcard, seperti waktu menjawab, jumlah percobaan, lama baca kartu, dan selisih waktu antar sesi, kemudian mengolahnya menjadi dataset berlabel tingkat kesulitan. Model Random Forest dilatih menggunakan dataset tersebut melalui modul Trainer3, lalu diimplementasikan kembali sebagai fungsi rule-based berbentuk if-else dalam JavaScript sehingga dapat dijalankan secara langsung di browser tanpa memerlukan server atau model berat. Fungsi prediksi ini diterapkan pada halaman Final Flashcard untuk mengestimasi tingkat kesulitan setiap kartu secara otomatis berdasarkan parameter terbaru dari pengguna. Berdasarkan hasil pengujian, sistem mampu memberikan prediksi tingkat kesulitan yang konsisten dengan akurasi 88.64% pada dataset pengujian. Implementasi sistem ini diharapkan dapat menjadi solusi teknologi pembelajaran yang adaptif, ringan, dan efisien, serta berpotensi dikembangkan untuk meningkatkan pengalaman belajar berbasis personalisasi pada berbagai platform lainnya