Framework Model Smart E-Learning Berbasis Kecerdasan Buatan

Mesra Betty Yel, Muhammad Zarlis, Saib Suwilo, Syahril Efendi

Abstract


Salah satu bidang dalam perkembangan kecerdasan buatan pada era Revolusi Industri 4.0 saat ini adalah teknologi e-learning. Dengan hadirnya berbagai konten berupa video, audio, teks dalam pembelajaran e-learning dapat memberikan interaksi kepada siswa dan dapat digunakan menjadi kegiatan utama pada pembelajaran. Implementasi kecerdasan buatan  dapat membantu mencari berbagai solusi pada dunia nyata khususnya untuk menyelesaikan masalah yang belum ditemukan algoritmanya secara spesifik. Pelaksanaan pembelajaran  dengan menggunakan e-learning pada kenyataannya sering  tidak tepat sasaran kepada peserta didik sehingga capaian pembelajaran tidak tercapai hal ini disebabkan oleh sistem pembelajaran diberlakukan sama untuk seluruh siswa, oleh sebab itu perlu dibangun sebuah kerangka model pembelajaran dengan implmenetasi kecerdasan buatan dalam mengklasifikasi peserta didik sesuai dengan kemampuan bakat dan minat sebelum memulai proses belajar mengajar. Makalah ini bertujuan menciptakan kerangka model smart e-learning dengan pendekatan kecerdasan buatan untuk mengetahui tingkat kemampuan dan kebutuhan peserta didik sebelum memulai pembelajaran serta tindak lanjut materi pembelajaran ke tahap berikutnya. Dengan adanya kerangka model pembelajaran dengan penerapan kecerdasan buatan maka e-learning dapat menyajikan bahan ajar sesuai dan kemampuan, bakat dan minat peserta didik, berkelanjutan serta meningkatkan mutu peserta didik, lebih efektif, tepat sasaran dan tercapai tujuan pembelajaran.


References


J. De Ree, K. Muralidharan, M. Pradhan, and H. Rogers, “Double for nothing? Experimental evidence on an unconditional teacher salary increase in Indonesia,” Q. J. Econ., vol. 133, no. 2, 2018, doi: 10.1093/qje/qjx040.

N. A. MAKARIM, KEPUTUSAN MENTERI PENDIDIKAN DAN KEBUDAYAAN REPUBLIK INDONESIA NOMOR 1177 /M/2020. 2020.

I. Jung, “The dimensions of e-learning quality: From the learner’s perspective,” Educ. Technol. Res. Dev., vol. 59, no. 4, pp. 445–464, 2011, doi: 10.1007/s11423-010-9171-4.

C. Lange and J. Costley, “Improving online video lectures: learning challenges created by media,” Int. J. Educ. Technol. High. Educ., vol. 17, no. 1, 2020, doi: 10.1186/s41239-020-00190-6.

F. Rasheed and A. Wahid, “Learning style detection in E-learning systems using machine learning techniques,” Expert Syst. Appl., vol. 174, no. February, 2021, doi: 10.1016/j.eswa.2021.114774.

S. Geng, K. M. Y. Law, and B. Niu, “Investigating self-directed learning and technology readiness in blending learning environment,” Int. J. Educ. Technol. High. Educ., vol. 16, no. 1, 2019, doi: 10.1186/s41239-019-0147-0.

R.-F. Gauthier, “World Development Report 2018 « Learning to Realize Education’s Promise. Overview ,” Rev. Int. d’éducation Sèvres, no. 77, pp. 27–29, 2018, doi: 10.4000/ries.6107.

Tim Kemdikbudristek, “Rencana Strategis Kementrian Pendidikan dan Kebudayaan 2020-2024,” World Bank, pp. 1–129, 2020, [Online]. Available: https://dikti.kemdikbud.go.id/.

World Bank, “Perkembangan Triwulanan Perekonomian Indonesia: Membawa Perubahan,” World Bank, 2014.

M. G. Guedes and A. Buest, “Students ’ Attention Assessment in eLearning based on Machine Learning,” 2018, doi: 10.1088/1755-1315/199/3/032042.

N. Friesen, “Interoperability and Learning Objects: An Overview of E-Learning Standardization,” Interdiscip. J. e-Skills Lifelong Learn., vol. 1, pp. 023–031, 2005, doi: 10.28945/408.

T. Richter and J. M. Pawlowski, “The need for standardization of context metadata for e-learning environments,” 2007.

R. Siaciwena and F. Lubinda, “The role of open and distance learning in the implementation of the right to education in Zambia,” Int. Rev. Res. Open Distance Learn., vol. 9, no. 1, pp. 1–12, 2008, doi: 10.19173/irrodl.v9i1.481.

S. McQuaide, “Making education equitable in rural china through distance learning,” Int. Rev. Res. Open Distance Learn., vol. 10, no. 1, 2009, doi: 10.19173/irrodl.v10i1.590.

S. Hussain, Z. Wang, and S. Rahim, “E-learning Services for Rural Communities,” Int. J. Comput. Appl., vol. 68, no. 5, pp. 15–20, 2013, doi: 10.5120/11574-6888.

M. Kamei, “ESkwela project - ESchool for out-Of-school youths and adults, Philippines,” 2010, doi: 10.1109/T4E.2010.5550039.

O. E. Llantos, “Cloudification of my.eskwela for e-Governance in Philippine Education,” Procedia Comput. Sci., vol. 109, pp. 680–685, 2017, doi: 10.1016/j.procs.2017.05.376.

M. B. Yel and S. Sfenrianto, “E-Learning model for equivalency education program in Indonesia,” Int. Conf. Electr. Eng. Comput. Sci. Informatics, vol. 2017-Decem, no. September, pp. 19–21, 2017, doi: 10.1109/EECSI.2017.8239198.

Kemendikbud, “Indonesia education statistics in brief 2015/2016,” Cent. Educ. Data Stat. Cult., 2016.

N. Harris and M. Sandor, “Developing online discussion forums as student centred peer e-learning environments,” 2007.

L. Zhang, X. Zhang, Y. Duan, Z. Fu, and Y. Wang, “Evaluation of learning performance of e-learning in china: A methodology based on change of internal mental model of learners,” Turkish Online J. Educ. Technol., vol. 9, no. 1, 2010.

I. Handayani, “Application of K-Nearest Neighbor Algorithm on Classification of Disk Hernia and Spondylolisthesis in Vertebral Column,” Indones. J. Inf. Syst., vol. 2, no. 1, p. 57, 2019, doi: 10.24002/ijis.v2i1.2352.

N. S. Altman, “An introduction to kernel and nearest-neighbor nonparametric regression,” Am. Stat., vol. 46, no. 3, pp. 175–185, 1992, doi: 10.1080/00031305.1992.10475879.

J. D. M. Rennie, L. Shih, J. Teevan, and D. Karger, “Tackling the Poor Assumptions of Naive Bayes Text Classifiers,” in Proceedings, Twentieth International Conference on Machine Learning, 2003, vol. 2.




DOI: http://dx.doi.org/10.30645/senaris.v4i2.216

Refbacks

  • There are currently no refbacks.


&nbsp