Adaptive hypermedia adalah alternatif dari sebuah hypermedia yang secara tradisional berprinsip “one-size-fits-all”. Salah satu sistem adaptif hypermedia adalah educational hypermedia. Sistem pembelajaran tidak semuanya menggunakan sistem yang adaptif, dengan sistem yang adaptif diharapkan user dapat lebih terarah dalam proses pembelajaran.
Pada tugas akhir ini penulis menganalisis dan merancang domain model serta user model yang cocok untuk pengimplementasian algoritma knowledge tracing. Dalam pengimplementasian dan pengujian sistem parameter – parameter knowledge tracing ditentukan dengan pendekatan bounded. Domain model yang digunakan adalah domain pembelajaran kognitif dimana keterhubungan antar kompetensi direpresentasikan dalam bentuk graf. Setiap kompetensi memiliki keterhubungan dengan banyak soal namun setiap soal hanya terhubung ke satu kompetensi. User model merupakan tempat penyimpanan informasi user termasuk parameter yang digunakan sebagai kebutuhan update knowledge user, knowledge tersebut akan terus diperbarui dengan knowledge tracing
Parameter – parameter knowledge tracing yaitu K0, slip, guess dan learning rate berpangaruh terhadap nilai knowledge user. Parameter slip berbanding terbalik dengan Pcorrect sedangkan guess berbanding lurus dengan nilai Pcorrect. Respon user juga merupakan variabel yang sangat mempengaruhi nilai knowledge. Dengan perubahan nilai knowledge user maka adaptive navigation yang diberikan sistem yaitu rekomendasi materi juga akan berubah karena knowledge tracing dalam melakukan prediksi menggunakan parameter knowledge pada materi sebelumnya, slip dan guess pada materi yang akan diprediksi.