Rancang Bangun Sistem Informasi Pembelajaran Adaptif Menggunakan Machine Learning untuk Pendidikan Tinggi

Authors

  • Tasya Novelia Br Sitorus Universitas Labuhan Batu
  • Ibnu Rasyid Munthe Universitas Labuhan Batu
  • Budianto Bangun Universitas Labuhan Batu

Keywords:

Pembelajaran Adaptif, Sistem Informasi Pembelajaran, Machine Learning, Pendidikan Tinggi, Collaborative Filtering, Personalisasi

Abstract

Penelitian ini bertujuan untuk merancang dan mengembangkan Sistem Informasi Pembelajaran Adaptif (SIPA) di lingkungan pendidikan tinggi yang mampu menyesuaikan konten, jalur, dan kecepatan belajar berdasarkan karakteristik unik setiap mahasiswa. Metode yang digunakan adalah Research and Development (R&D) dengan pendekatan System Development Life Cycle (SDLC) dan berfokus pada integrasi algoritma Machine Learning (ML), khususnya Model Collaborative Filtering. Tujuan utama ML adalah mempersonalisasi rekomendasi materi ajar dan menilai tingkat penguasaan konsep secara dinamis. Hasil rancang bangun menunjukkan bahwa SIPA berhasil diimplementasikan, menyediakan fitur analisis kinerja mahasiswa real-time dan kemampuan untuk memprediksi risiko kegagalan akademis. Temuan penting mencakup tingginya akurasi model Collaborative Filtering (mencapai 89%) dalam merekomendasikan materi tambahan yang relevan, serta peningkatan signifikan pada tingkat keterlibatan mahasiswa. Sebagai simpulan, SIPA berbasis ML ini menawarkan platform yang efektif dan efisien untuk mempersonalisasi pengalaman belajar, yang krusial untuk meningkatkan kualitas dan hasil pembelajaran di pendidikan tinggi

References

J. P. Williams and A. K. Smith, "The shift to personalized learning: Challenges and opportunities in higher education," IEEE Trans. Learn. Technol., vol. 14, no. 1, pp. 110–120, Jan. 2021.

A. K. Smith, C. T. Lee, and B. R. Johnson, "Content-based material recommendation system for engineering education," in Proc. IEEE Global Eng. Educ. Conf. (EDUCON), Dubai, UAE, Mar. 2019, pp. 245–250.

B. R. Johnson, "Predicting academic failure risk in university students using Support Vector Machines," IEEE Access, vol. 8, pp. 15720–15728, 2020.

L. Chen, H. Zhang, and X. Liu, "Adaptive learning path generation using Hidden Markov Models for modular courses," IEEE Trans. Educ., vol. 63, no. 3, pp. 250–260, Aug. 2020.

P. K. Singh, V. Tripathi, and M. Sharma, "A collaborative filtering approach for dynamic content recommendation in e-learning systems," Int. J. Inf. Technol. (Singapore), vol. 12, pp. 123–130, 2020.

R. S. Pressman, Software Engineering: A Practitioner's Approach, 9th ed. New York, NY, USA: McGraw-Hill Education, 2020.

Downloads

Published

2026-03-31

Issue

Vol. 5 No. 2.1 (2026): Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan

Section

Articles

License

Copyright (c) 2026 Tasya Novelia Br Sitorus, Ibnu Rasyid Munthe, Budianto Bangun

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.