<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="116258">
 <titleInfo>
  <title>ANALISIS PERFORMA MAHASISWA BERDASARKAN LOG AKTIVITAS MOODLE MENGGUNAKAN METODE K-MEANS CLUSTERING</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>JESSIKA</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas MIPA Informatika</publisher>
   <dateIssued>2023</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Moodle merupakan aplikasi pembelajaran berbasis web yang merekam aktivitas penggunanya ke dalam data log. Data ini dapat diolah menggunakan Learning Analytics (LA), yaitu sebuah bidang yang dapat menganalisis data pendidikan salah satunya dengan menggunakan data mining. Oleh karena itu, penelitian ini dilakukan untuk menganalisis pengaruh tingkat aktivitas terhadap performa mahasiswa menggunakan data log Moodle dari beberapa mata kuliah pada Program Studi S1 Informatika, Universitas Syiah Kuala. Metode yang digunakan adalah K-Means Clustering. Fitur yang digunakan pada penelitian ini dipilih berdasarkan aktivitas yang memiliki nilai tertinggi, diantaranya Quiz attempt viewed, Course module viewed, Course viewed, dan The status of the submission has been viewed. Penentuan nilai k optimal dilakukan dengan dua metode yaitu metode elbow dan metode silhouette. Kedua metode ini menghasilkan jumlah k yang berbeda. Metode elbow menghasilkan jumlah k sebanyak 3, sedangkan metode silhouette menghasilkan jumlah k sebanyak 2. Hasil clustering dengan k=2 dapat membedakan secara jelas kaitan antara tingkat aktivitas mahasiswa dan skor akhir yang didapatkan. Berdasarkan penelitian yang telah dilakukan, maka diperoleh hasil yaitu semakin tinggi aktivitas yang dilakukan, maka semakin tinggi juga nilai akhir yang didapatkan. Hal ini juga berlaku sebaliknya dimana mahasiswa yang memiliki  aktivitas rendah maka nilai akhir yang didapatkan juga lebih rendah. &#13;
&#13;
Kata kunci: Log Moodle, Learning Analytics, K-Means, Clustering</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>116258</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2023-09-26 09:21:57</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2023-09-26 10:33:42</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>