Systematic Literature Review (SLR): Metode, Manfaat, dan Tantangan Learning Analytics dengan Metode Data Mining di Dunia Pendidikan Tinggi

Abstract

ABSTRAK

Digitalisasi data pendidikan memungkinkan peneliti untuk dengan mudah mengakses data penting, terperinci, dan informatif untuk pengambilan keputusan yang diperlukan. Data mining dalam pendidikan berkaitan dengan aplikasi teknik penemuan pengetahuan, pembelajaran mesin, dan statistik berbasis informasi dari data pendidikan. Untuk mengukur tingkat kompetensi mahasiswa dalam menggunakan media Learing Analytics lalu sebagai tujuan untuk meningkatkan kualitas pendidikan tinggi saat ini kerap kali mengimplementasikan Educational Data Mining (EDM) maka dalam metodologi penelitian peneliti akan menyoroti pemanfaatan data mining (DM) di bidang pendidikan dan juga pendekatan yang dapat digunakan secara memadai untuk memprediksi perilaku dan kinerja mahasiswa di dunia pendidikan melalui systematic literature review dan juga pendekatan dengan menggunakan klasifikasi Smooth Support Vector Machine (SSVM) dan teknik algoritma kernel K-Means Clustering yang dapat digunakan secara memadai untuk memprediksi atau meramalkan perilaku dan kinerja mahasiswa. Hasil yang peneliti harapkan dapat sesuai dengan tujuan penelitian ini yaitu dapat mengetahui efektifitas penggunaan data mining di perguruan tinggi maka penulis menggunakan K-Means Clustering dan SVM untuk mengetahui setiap kategori perilaku dan kinerja dari mahasiswa dengan mengambil 10 sampel mahasiswa yang telah menggunalan Learning Analytics untuk sistem belajarnya yakni LMS (Learning Management System). Dan tujuannya untuk menjawab literatur review peneliti terkait penelitian-penelitian sebelumnya yakni efektivitas dari penggunaan Education Data Mining dalam melihat efektifitas dan tantangan dari Learning Analytics di perguruan tinggi.

Kata Kunci: Learning Analytics, Pendidikan Tinggi, K-Means Clustering, SSVM