Pemodelan Perilaku Belajar Mahasiswa dengan Teknik Educational Process Mining
Abstract
Dalam proses belajar-mengajar analisis terhadap perilaku belajar bagi peserta
didik sangat penting untuk diteliti, dengan mengetahui hal tersebut maka pengajar
dapat memformulasikan model pembelajaran yang dapat meningkatkan performa
akademik peserta didik. Namun untuk dapat melakukan analisis diperlukan
variabel-variabel tertentu yang dapat diamati dan berkaitan langsung dengan
jalannya proses pembelajaran siswa didik.
Learning Management System (LMS) merupakan istilah global untuk sistem
komputer yang dikembangan secara khusus untuk mengelola kursus online,
mendistribusikan materi pelajaran dan memungkinkan kolaborasi antara siswa dan
guru. Penggunaan LMS sudah banyak dimanfaatkan dalam dunia pendidikan.
Dalam LMS tersimpan semua data aktifitas dan interaksi siswa dalam bentuk
file dan database yang sangat terperinci. Untuk dapat melakukan analisis mengenai
perilaku mahasiswa, maka diperlukan ekstraksi informasi dari data yang didapat
pada LMS. Ekstraksi informasi dapat dimungkinkan untuk dilakukan dengan
menggunakan teknik data mining.
Penggunaan data mining dalam pengaturan dunia pendidikan disebut
Educational Data Mining (EDM). Salah satu teknik dalam EDM adalah process
mining (PM), PM dapat mengekstrak pengetahuan dari event log yang pada
umumnya disediakan oleh LMS. Educational Process Mining (EPM) melibatkan
analisis dan penemuan proses serta alur dari event logs yang dihasilkan dari
lingkungan edukasi. EPM bertujuan untuk membangun educational process model
yang lengkap dan padat sehingga dapat menghasilkan lagi semua perilaku yang
diamati, mengecek untuk melihat apakah perilaku pemodelan sesuai dengan
perilakukan yang diamati, dan mengekstrak informasi dari suatu pola menjadi
pengetahuan yang lebih eksplisit dan memfasilitasi pemahaman yang lebih baik
dari suatu proses.
Ada beberapa permasalahan yang sebelumnya pernah ditemukan dalam
penggunaan EPM, contohnya model yang didapat tidak mewakili seluruh perilaku
belajar dari siswa yang diamati, serta model yang dihasilkan dapat terlalu besar dan
kompleks bagi pengajar maupun siswa untuk dapat dianalisis, sehingga untuk dapat
menangani masalah tersebut adalah dengan mengusulkan penggunaan clustering
dalam praproses sebelum data diaplikaslikan dalam process mining.
Clustering secara otomatis membagi model yang besar dan kompleks menjadi
lebih kecil dan simple, dengan demikian model akan lebih mudah dipahami dan
memungkinkan dalam kontrol sehingga dapat lebih baik dalam memahami suatu
informasi. Penelitian ini merekomendasikan metode hierarchical clustering untuk
pengelompokan data.
Hierarchical clustering digunakan apabila tidak ditentukan sejak awal berapa
kelompok yang akan dibentuk, selain itu dengan menggunakan hierarchical
clustering memungkinkan kita dapat memahami data pada tiap level granularitas
yang berbeda. Tahapan selanjutnya setelah mendapatkan model proses sebanyak N
cluster, model proses tersebut dianalisis dan dilakukan validasi serta evaluasi untuk
memastikan apakah model yang terbentuk sudah benar secara matematis.
Penelitian ini telah berhasil mengektraksi data event log dan
menvisualisasikannya ke dalam model-model proses yang menggambarkan
kelompok-kelompok perilaku belajar mahasiswa secara online. Penelitian ini juga
telah berhasil meningkatkan performa dari EPM, hal tersebut dapat dilihat dari
peningkatan rata-rata nilai fitness model-model yang dihasilkan, dan penurunan
kompleksitas dari model-model tersebut. Diharapkan dengan peningkatan nilai
fitness dan penurunan kompleksitas dari model-model yang dihasilkan tersebut
dapat memberikan pemahaman yang lebih baik tentang pola perilaku siswa dalam
metode pembelajaran secara online. Sehingga pengajar dapat memberikan arahan
serta antisipasi terhadap berbagai kemungkinan terburuk dari performa akademik
siswa.