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.