Kajian Penggunaan Data Log Mahasiswa untuk Berbagai Permasalahan Analisis Pembelajaran

Abstract

Pada saat ini, penyelenggaraan sistem pembelajaran daring menjadi hal yang penting di tengah pandemi untuk menekan persebaran virus COVID-19. Namun, sistem ini sangat sulit menjaga motivasi dan tingkat keterlibatan mahasiswa karena tidak ada interaksi langsung antara pengajar dengan mahasiswa. Makalah ini meninjau penggunaan data log mahasiswa untuk kebutuhan analisis pembelajaran guna memprediksi kinerja atau kecenderungan drop-out mahasiswa dari suatu mata kuliah dengan melihat pada data log interaksi mahasiswa dengan sistem dan data demografis mahasiswa menggunakan suatu data terbuka, yaitu Open University Learning Analytics Dataset (OULAD). Dari tinjauan beberapa artikel penelitian yang merujuk pada dataset tersebut, ada beberapa hal yang perlu ditinjau: 1) permasalahan yang sering diangkat, yaitu prediksi kecenderungan gagal dari mata kuliah tertentu, prediksi kinerja, dan prediksi keterlibatan mahasiswa; 2) fitur yang digunakan pada saat pemodelan, yaitu fitur demografis dan interaksi, baik yang diringkas secara harian atau mingguan dengan berbagai representasi fitur; 3) metode analisis pembelajaran yang secara khusus menggunakan metode pembelajaran mesin yang sering digunakan, yaitu Decision Tree (DT), Support Vector Machine (SVM), Multi-Layer Perceptron (MLP), dan Long Short-Term Memory (LSTM). Makalah ini juga mendiskusikan proses mitigasi dari mahasiswa yang berisiko, perancangan sistem data yang mendukung analisis pembelajaran, dan permasalahan yang sering ditemui pada saat proses pemodelan.