Electronic Theses and Dissertation

Learning Management System (LMS) adalah suatu sistem yang digunakan untuk mengelola konten pembelajaran antara pengajar dan peserta didik. Namun LMS belum menyediakan evaluasi statistik perilaku pengguna dalam mengakses e-learning, hanya memberikan informasi dengan melacak serta melaporkan segala aktivitas yang dilakukan. Semua aktivitas mahasiswa tersebut diperkirakan akan mempengaruhi kinerjanya. Kinerja mahasiswa memiliki peran yang sangat penting karena dapat digunakan sebagai acuan dalam mengevaluasi proses pembelajaran di masa yang akan datang. Sehingga secara umumnya penelitian ini bertujuan untuk memanfaatkan learning analytics guna mendapatkan informasi mengenai korelasi antara aktivitas penggunaan e-learning dengan kinerja atau nilai akhir yang didapat. Penelitian ini menggunakan data mahasiswa Jurusan Informatika Universitas Syiah Kuala mata kuliah Basis Data dan Pemrograman Berbasis Objek dari tahun 2018/2022, serta Teori Bahasa dan Automata tahun ajaran 2021/2022 dengan total data sebanyak 723 id data. Model pada penelitian ini menggunakan algoritma klasifikasi Decision Tree dengan 10-fold cross validation. Fitur yang digunakan yaitu n_quiz_viewed, n_module_viewed, n_course_viewed, n_status_submission_viewed, n_submission_viewed, n_quiz_reviewed, n_file_uploaded, n_assignment, n_submission_created, n_quiz_started, n_quiz_submitted, n_quiz_summary_viewed, grade dan label. Model yang dibangun menghasilkan akurasi sebesar 97%. Kemudian dilakukan pengujian model yang menghasilkan akurasi sebesar 95%. Atribut yang paling berpengaruh terhadap aktivitas mahasiswa berdasarkan model klasifikasi yang dibangun yaitu atribut n_quiz_attempt_viewed yang bermakna jumlah kuis yang dibuka dengan nilai gini 0.625. Korelasi yang didapatkan antara label kategori keaktifan dan nilai yang diperoleh yaitu semakin banyak aktivitas penggunaan e-learning yang dilakukan mahasiswa, maka akan semakin tinggi pula nilai yang didapatkan.

Learning Management System (LMS) is a system used to manage learning content between teachers and students. However, LMS does not yet provide a statistical evaluation of user behavior in accessing e-learning, only providing information by tracking and reporting all activities carried out. All these student activities are expected to affect their performance. Student performance has a very important role because it can be used as a reference in evaluating the learning process in the future. So in general this study aims to utilize learning analytics to obtain information about the correlation between e-learning usage activities and performance or the final score obtained. This study used data from students of the Department of Informatics at Syiah Kuala University for Database and Object-Based Programming courses from 2018/2022, as well as Language Theory and Automata for the 2021/2022 academic year with a total of 723 data id. The model in this study uses the Decision Tree classification algorithm with 10-fold cross validation. The features used are ‘n_quiz_viewed’, ‘n_module_viewed’, ‘n_course_viewed’, ‘n_status_submission_viewed’, ‘n_submission_viewed’, ‘n_quiz_reviewed’, ‘n_file_uploaded’, ‘n_assignment’, ‘n_submission_created’, ‘n_quiz_started’, ‘n_quiz_submitted’, ‘n_quiz_summary_viewed’, ‘grade’ and ‘label’. The built model produces an accuracy of 97%. Then testing the model produces an accuracy of 95%. The attribute that has the most influence on student activity based on the classification model built is the attribute ‘n_quiz_attempt_viewed’ which means the number of quizzes opened with a gini value of 0.625. The correlation obtained between the activity category labels and the value obtained is that the more activities students use e-learning, the higher the value obtained.