PENGEMBANGAN DAN UJI EFEKTIVITAS SISTEM PEMBELAJARAN ADAPTIF BERBASIS KECERDASAN BUATAN UNTUK MEREMEDIASI KESULITAN BELAJAR MATEMATIKA SISWA SMP
Keywords:
Artificial Intelligence, Adaptive Learning System, Machine Learning Recommendation System, Learning AnalyticsAbstract
Perkembangan teknologi kecerdasan buatan memberikan peluang dalam pengembangan sistem pembelajaran yang mampu menyesuaikan materi berdasarkan karakteristik dan kebutuhan individu siswa. Permasalahan yang sering terjadi pada pembelajaran matematika tingkat SMP adalah adanya perbedaan kemampuan awal, pola kesalahan konsep, serta keterbatasan guru dalam memberikan pembelajaran yang bersifat personal kepada seluruh siswa. Sistem pembelajaran konvensional masih menerapkan pendekatan yang sama sehingga belum mampu memberikan rekomendasi pembelajaran berdasarkan tingkat kesulitan masing-masing siswa. Penelitian ini bertujuan untuk mengembangkan dan menguji efektivitas sistem pembelajaran adaptif berbasis kecerdasan buatan menggunakan Machine Learning Recommendation System untuk meremediasi kesulitan belajar matematika siswa SMP. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan model Borg and Gall sederhana yang terdiri dari tahapan analisis kebutuhan, perancangan sistem, pengembangan produk, validasi ahli, revisi produk, uji coba pengguna, dan evaluasi efektivitas. Sistem yang dikembangkan menggunakan pendekatan machine learning recommendation dengan algoritma Random Forest untuk melakukan klasifikasi tingkat kesulitan belajar berdasarkan data kemampuan awal, pola kesalahan jawaban, waktu penyelesaian soal, dan tingkat penguasaan konsep siswa. Sistem menghasilkan rekomendasi materi pembelajaran secara adaptif sesuai kebutuhan siswa. Pengujian sistem dilakukan melalui validasi lima ahli yang terdiri dari ahli pendidikan matematika, ahli teknologi pembelajaran, ahli informatika, dan guru matematika SMP. Uji coba pengguna dilakukan terhadap 30 siswa kelas VIII dengan kemampuan akademik heterogen. Hasil validasi ahli materi memperoleh nilai Aiken’s V sebesar 0,90. Pengujian model AI menghasilkan nilai akurasi rekomendasi sebesar 96,67%. Hasil uji efektivitas menunjukkan peningkatan hasil belajar meningkat sebesar 45% dari nilai Pre-Test. Berdasarkan hasil penelitian dapat disimpulkan bahwa sistem pembelajaran adaptif berbasis kecerdasan buatan yang dikembangkan mampu melakukan rekomendasi pembelajaran secara akurat dan efektif dalam membantu meremediasi kesulitan belajar matematika siswa SMP.
Downloads
References
M. Chen, Y. Wang, and X. Zhang, “Artificial intelligence in education: A systematic review of applications, challenges, and future directions,” Education and Information Technologies, vol. 29, pp. 11245–11270, 2024.
H. Yu and X. Guo, “Generative artificial intelligence and education: Current status and future perspectives,” Computers and Education: Artificial Intelligence, vol. 5, pp. 1–10, 2024.
S. Ouyang and J. Jiao, “Artificial intelligence in education: The three paradigms,” Computers and Education: Artificial Intelligence, vol. 4, pp. 1–8, 2023.
Z. Chen, X. Chen, and Y. Li, “Adaptive learning systems based on artificial intelligence: A review,” IEEE Access, vol. 11, pp. 54321–54335, 2023.
R. Hwang, J. Xie, and C. Wah, “AI-based personalized learning systems: A systematic review,” Educational Technology & Society, vol. 26, no. 3, pp. 45–60, 2023.
A. Alam, “Harnessing artificial intelligence for education: Personalized learning and intelligent tutoring systems,” Education Sciences, vol. 12, no. 10, pp. 1–18, 2022.
S. K. Dutta, P. Roy, and A. Das, “Machine learning approaches for educational recommendation systems: A review,” IEEE Access, vol. 10, pp. 98765–98782, 2022.
F. Martin, R. Polly, and D. Ritzhaupt, “Bene?ts and challenges of adaptive learning technologies in education,” Educational Technology Research and Development, vol. 70, pp. 1557–1575, 2022.
Y. Zhang, X. Chen, and J. Wang, “Learning analytics and artificial intelligence for personalized education,” Computers in Human Behavior, vol. 139, pp. 1–12, 2023.
K. Ahmad, M. Salah, and A. Khan, “Artificial intelligence and machine learning in education: A review,” IEEE Access, vol. 11, pp. 12033–12050, 2023.
L. Chen and X. Wang, “Recommendation systems in education using machine learning algorithms,” Expert Systems with Applications, vol. 213, pp. 1–14, 2023.
P. Viberg, M. Khalil, and M. Baars, “Artificial intelligence in learning analytics: A systematic review,” British Journal of Educational Technology, vol. 54, no. 4, pp. 1501–1520, 2023.
A. Tlili, B. Shehata, and M. Burgos, “Artificial intelligence in education: Design principles and future research directions,” Smart Learning Environments, vol. 9, pp. 1–18, 2022.
S. Holmes, M. Bialik, and C. Fadel, “Artificial intelligence in education: Promises and implications,” Journal of Educational Computing Research, vol. 60, pp. 3–25, 2022.
M. Khalil and M. Ebner, “Learning analytics and AI-based adaptive learning environments,” International Journal of Educational Technology in Higher Education, vol. 19, pp. 1–22, 2022.
R. K. Singh and P. Kumar, “Machine learning-based student performance prediction and personalized recommendation system,” IEEE Access, vol. 10, pp. 75520–75535, 2022.
A. Al-Musharraf and S. Alotaibi, “Artificial intelligence-supported adaptive learning environments: Challenges and opportunities,” Sustainability, vol. 15, no. 6, pp. 1–17, 2023.
J. Xie, Z. Chu, and Y. Chen, “Intelligent tutoring systems based on machine learning: Development and evaluation,” Education and Information Technologies, vol. 28, pp. 7651–7672, 2023.
N. Popenici and S. Kerr, “Exploring the impact of artificial intelligence on teaching and learning,” Research and Practice in Technology Enhanced Learning, vol. 17, pp. 1–15, 2022.
W. Holmes and K. Tuomi, “State of the art and practice in AI education,” European Journal of Education, vol. 59, pp. 1–18, 2024.
Rolos, R.I., Wijaya, V., Aritonang, L. and Hutapea, A., 2022. Pemanfaatan metode forward chaining dalam mendiagnosa penyakit balita. Jurnal Sains dan Teknologi Widyaloka, 1(1), pp.89-101.
Tomy Satria Alasi and Allwine, “String Matching Untuk Penyesuaian Dosen Pembimbing Dengan Algoritma Boyer Moore”, Jur.Arm.Inf, vol. 3, no. 2, pp. 254–263, Dec. 2019.
Published
How to Cite
Issue
Section
Copyright (c) 2026 Jurnal Bisantara Informatika
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
.png)
