3 Juli 2026Oleh Yosuke Sakurai7 menit baca

FSRS vs SM-2: Algoritma Spaced Repetition Mana yang Lebih Unggul di 2026?

Perbandingan langsung FSRS vs SM-2. Pelajari algoritma spaced repetition mana yang cocok dengan tujuan belajar Anda, bagaimana akurasi prediksinya berbeda, dan di mana masing-masing masih memiliki kekurangan.

FSRSSM-2Spaced RepetitionAnki

Jika Anda sedang membandingkan FSRS vs SM-2, jawaban singkatnya: FSRS adalah algoritma yang lebih akurat dan adaptif untuk sebagian besar pembelajar jangka panjang, sementara SM-2 tetap menjadi pilihan sederhana yang sudah terbukti untuk dek kecil atau pengguna yang menyukai heuristik yang mudah diprediksi.

Kedua algoritma sama-sama menjadwalkan ulangan kartu hafalan, tetapi cara mereka membuat prediksi sangat berbeda secara mendasar. FSRS menggunakan model memori berbasis machine learning yang dilatih dengan riwayat ulangan pribadi Anda. SM-2 bergantung pada aturan perkalian tetap yang nyaris tidak berubah sejak 1987. Perbedaan itu baru terasa ketika dek Anda tumbuh melewati beberapa ratus kartu.

Panduan ini menguraikan cara kerja masing-masing algoritma, di mana FSRS unggul, kapan SM-2 masih masuk akal, dan bagaimana memilih penjadwal yang tepat untuk alur kerja Anda.

Apa itu FSRS?

FSRS adalah singkatan dari Free Spaced Repetition Scheduler. Ini adalah algoritma spaced repetition open-source yang dibuat oleh Jarrett Ye (L-M-Sherlock) dan dirilis pada 2022. FSRS dibangun di atas model memori DSR: Difficulty, Stability, dan Retrievability.

Difficulty (D)

Arti
Seberapa sulit sebuah kartu bagi Anda secara pribadi

Stability (S)

Arti
Berapa hari sebuah memori bertahan sebelum probabilitas mengingat turun ke tingkat target Anda

Retrievability (R)

Arti
Probabilitas saat ini bahwa Anda akan mengingat kartu tersebut dengan benar

Setelah setiap ulangan, FSRS memperbarui nilai Difficulty dan Stability untuk kartu itu. Algoritma kemudian menjadwalkan ulangan berikutnya agar Retrievability mencapai desired retention yang Anda pilih, biasanya 90–92%, tepat pada saat Anda melihat kartu itu lagi.

FSRS telah terintegrasi ke Anki sejak versi 23.10 dan menjadi penjadwal default untuk dek baru pada rilis terbaru. FSRS juga dipakai secara native oleh aplikasi seperti Deckbase, Mochi, dan RemNote.

Apa itu SM-2?

SM-2 adalah algoritma SuperMemo-2 yang dikembangkan oleh Piotr Wozniak dan diterbitkan pada 1987. Algoritma ini menjadi terkenal karena Anki mengadaptasi versi modifikasinya sebagai penjadwal default selama bertahun-tahun.

SM-2 bekerja dengan satu nilai yang disebut ease factor. Setiap kali Anda menilai sebuah kartu, algoritma mengalikan interval saat ini dengan ease factor untuk menghasilkan interval berikutnya. Penilaian sulit menurunkan ease factor; penilaian mudah menaikkannya.

Algoritma ini sederhana dan tangguh. Ia telah membantu jutaan pembelajar menghafal kosakata, fakta medis, pasal hukum, dan konsep teknis. Namun, ia tidak memodelkan memori secara langsung. Ia memakai aturan tetap yang tidak menyesuaikan diri dengan kurva lupa tiap individu di luar ease factor.

FSRS vs SM-2: perbandingan berdampingan

Model memori

SM-2
Hanya ease factor
FSRS
Difficulty, Stability, Retrievability

Personalisasi

SM-2
Terbatas
FSRS
Menyesuaikan parameter dengan riwayat ulangan Anda

Target retensi

SM-2
Implisit (~90%)
FSRS
Eksplisit dan dapat dikonfigurasi

Akurasi prediksi

SM-2
Baseline
FSRS
Jauh lebih tinggi

Efisiensi ulangan

SM-2
Baseline
FSRS
~20–30% lebih sedikit ulangan untuk retensi yang sama

Penanganan lapse

SM-2
Bisa masuk "ease hell"
FSRS
Pemulihan lebih stabil

Konfigurasi

SM-2
Sederhana
FSRS
Desired retention + penyetelan parameter opsional

Perbedaan praktis terbesarnya adalah personalisasi. SM-2 menerapkan rumus yang sama untuk setiap pengguna. FSRS belajar dari penilaian Anda yang sebenarnya dan mengoptimalkan interval untuk memori Anda.

Akurasi prediksi: apa kata benchmark

Perbandingan yang paling banyak dikutip berasal dari benchmark Expertium, yang mengevaluasi para penjadwal terhadap lebih dari 700 juta ulangan Anki.

SM-2

Log-loss
0.354
Retensi RMSE
16.2%

FSRS-4.5

Log-loss
0.298
Retensi RMSE
6.1%

FSRS-5

Log-loss
0.291
Retensi RMSE
5.3%

Angka yang lebih rendah berarti algoritma lebih baik dalam memprediksi apakah Anda akan mengingat atau melupakan sebuah kartu. FSRS-5 memangkas kesalahan prediksi sekitar dua pertiga dibandingkan SM-2. Dalam sesi belajar nyata, itu berarti lebih sedikit lapse yang tak terduga dan lebih sedikit ulangan yang tidak perlu untuk materi yang sudah Anda kuasai.

Kapan FSRS menjadi pilihan yang lebih baik

FSRS cenderung lebih unggul bagi pembelajar yang:

  • Memiliki dek dengan 500+ kartu
  • Belajar selama berbulan-bulan atau bertahun-tahun, bukan hitungan hari
  • Ingin menetapkan target retensi yang eksplisit
  • Mencampur materi mudah dan sulit dalam dek yang sama
  • Sudah memiliki 1.000+ ulangan dalam riwayat untuk optimasi parameter
  • Ingin meminimalkan waktu ulangan harian tanpa mengorbankan daya ingat

Mahasiswa kedokteran, pembelajar bahasa, dan peserta ujian sertifikasi biasanya merasakan manfaat terbesar karena jangka waktu belajar mereka panjang dan koleksi kartu mereka besar.

Kapan SM-2 masih masuk akal

SM-2 masih menjadi pilihan yang wajar jika Anda:

  • Menjalankan dek kecil atau berumur pendek (di bawah 500 kartu)
  • Baru mengenal spaced repetition dan ingin penjadwal yang sederhana
  • Lebih menyukai kontrol manual yang mudah diprediksi daripada optimasi algoritmik
  • Memiliki pengaturan Anki lama yang sudah berjalan baik
  • Belum punya cukup riwayat ulangan untuk melatih FSRS

SM-2 bukan algoritma yang rusak. Bagi banyak pengguna, selisih antara SM-2 dan FSRS lebih kecil daripada selisih yang dihasilkan oleh kualitas kartu, konsistensi, dan kejujuran dalam menilai diri sendiri.

Cara beralih dari SM-2 ke FSRS

Di Anki 23.10 atau lebih baru:

  1. Buka sebuah dek dan klik Options.
  2. Gulir ke bagian Advanced.
  3. Aktifkan FSRS.
  4. Atur desired retention Anda (mulai dari 90–92%).
  5. Klik Optimize untuk menyesuaikan parameter dengan riwayat ulangan Anda.

Peralihan ini tidak merusak data. Kartu dan riwayat ulangan Anda tetap utuh; hanya interval ke depan yang dijadwalkan berbeda.

Di Deckbase, FSRS adalah penjadwal bawaan. Tidak ada tombol on/off: setiap ulangan otomatis memakai FSRS. Jika Anda mengimpor dek Anki lewat APKG, kartu Anda ikut berpindah, tetapi riwayat penjadwalannya tidak. Anda mulai dari awal dengan interval FSRS sejak hari pertama.

Uji coba 14 hari yang praktis

Jika Anda ragu algoritma mana yang harus dipakai, jalankan eksperimen dua minggu ini:

  1. Pilih satu dek aktif dengan setidaknya 200 kartu.
  2. Aktifkan FSRS dan atur retensi ke 90%.
  3. Catat waktu ulangan harian, tingkat penyelesaian, dan jumlah lapse selama 14 hari.
  4. Bandingkan dengan dua minggu terakhir Anda memakai SM-2.
  5. Putuskan berdasarkan hasil, bukan teori.

Sebagian besar pengguna yang menyelesaikan uji ini tetap memakai FSRS karena beban kerja harian turun sementara retensi tetap stabil.

FAQ

Apakah FSRS lebih baik daripada SM-2?

Untuk sebagian besar pembelajar jangka panjang dengan dek besar, ya. FSRS memprediksi lupa dengan lebih akurat dan dapat mengurangi volume ulangan sebesar 20–30% pada tingkat retensi yang sama. SM-2 tetap memadai untuk dek kecil atau pengguna yang lebih menyukai kesederhanaan.

Apakah FSRS berfungsi tanpa banyak riwayat ulangan?

FSRS memakai parameter default sampai ia punya cukup data untuk melakukan optimasi. Anda umumnya memerlukan sekitar 1.000 ulangan sebelum parameter yang dipersonalisasi menjadi andal. Sampai saat itu, FSRS tetap berperforma setidaknya sebaik SM-2 untuk sebagian besar pengguna.

Bisakah saya kembali dari FSRS ke SM-2?

Bisa. Di Anki, Anda dapat menonaktifkan FSRS di opsi dek dan kembali ke SM-2. Interval Anda ke depan akan kembali mengikuti penjadwalan SM-2, tetapi riwayat ulangan sebelumnya tetap tersimpan.

Apakah Deckbase memakai FSRS atau SM-2?

Deckbase memakai FSRS secara native sebagai penjadwal intinya. Tidak ada opsi SM-2. Ini membuat aplikasi tetap sederhana dan memastikan setiap pengguna mendapat manfaat dari prediksi retensi modern tanpa konfigurasi manual.

Target retensi berapa yang sebaiknya saya tetapkan?

Mulai dari 90–92%. Target lebih rendah mengurangi beban kerja tetapi menambah lapse. Target lebih tinggi meningkatkan daya ingat tetapi bisa membuat ulangan harian tidak berkelanjutan. Sesuaikan setelah 2–3 minggu berdasarkan tingkat penyelesaian dan waktu belajar Anda yang sebenarnya.

Kesimpulan akhir

Pilih FSRS jika Anda menginginkan penjadwal modern dan adaptif yang mengurangi beban ulangan serta meningkatkan akurasi prediksi untuk pembelajaran jangka panjang.

Pilih SM-2 jika Anda punya dek kecil, lebih menyukai kesederhanaan, atau sudah memiliki alur kerja yang berjalan baik dan tidak ingin mengubahnya.

Bagi sebagian besar pembelajar serius pada 2026, FSRS adalah pilihan default yang jelas. Kesenjangannya bukan sekadar teoretis: ini terlihat dari sesi harian yang lebih singkat, lebih sedikit lapse yang tak terduga, dan retensi jangka panjang yang lebih stabil.

Siap belajar dengan FSRS? Coba Deckbase(opens in a new tab) dan ulangi materi dengan algoritma yang sama seperti yang dipakai Anki, tanpa kerumitan penyiapan.

Ubah artikel seperti ini menjadi flashcard

Tempel tautan, PDF, atau catatan: Deckbase membuat deck dan menjadwalkan ulasan dengan FSRS.