PENGGALIAN POLA AKSES MAHASISWA PADA LEARNING MANAGEMENT SYSTEM MENGGUNAKAN SEQUENTIAL PATTERN MINING
Bilah Samping Artikel
Isi Artikel Utama
Abstrak
Era teknologi pembelajaran digital yang berkembang sangat pesat mendorong adopsi Learning Management System (LMS) secara luas di perguruan tinggi, termasuk di ITB STIKOM Ambon. LMS menghasilkan data log akses mahasiswa dalam jumlah besar yang belum dimanfaatkan secara optimal untuk meningkatkan kualitas pembelajaran. Penelitian ini bertujuan untuk menemukan pola-pola sekuensial dari perilaku akses mahasiswa pada LMS ITB STIKOM Ambon menggunakan algoritma sequential pattern mining PrefixSpan. Kebaruan penelitian ini terletak pada integrasi analisis segmentasi temporal berbasis kalender akademik dengan metode sequential pattern mining, sehingga memungkinkan identifikasi pergeseran pola akses pada tahapan pembelajaran tertentu. Data log dari 312 mahasiswa aktif pada 18 mata kuliah selama tahun akademik 2023/2024 digunakan, mencakup 47.823 rekaman transaksi akses. Data diproses melalui pembersihan, transformasi ke format sekuens, dan segmentasi temporal ke dalam tiga fase: awal semester (minggu 1–5), pertengahan semester (minggu 6–10), dan akhir semester (minggu 11–16). Algoritma PrefixSpan diterapkan dengan threshold minimum support 0,3 (30%). Hasil penelitian mengidentifikasi 28 pola sekuensial yang sering muncul, dengan pola dominan: Login → Lihat Materi Kuliah → Unduh Tugas → Kumpul Tugas, dengan nilai support 0,72. Analisis temporal menunjukkan bahwa pola pada fase awal semester didominasi aktivitas akses materi, sementara fase akhir semester didominasi aktivitas terkait asesmen. Temuan ini memberikan rekomendasi strategis bagi pengembangan fitur LMS dan perancangan pembelajaran adaptif berbasis bukti dari perilaku nyata mahasiswa.
Rincian Artikel
Referensi
Safitri, S. N., Setiadi, H., & Suryani, E. (2022). Educational Data Mining Using Cluster Analysis Methods and Decision Trees based on Log Mining. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 6(3), 448–456. https://doi.org/10.29207/resti.v6i3.3935
Aziz, A., Widianto, F., & Purwanto, A. (2024). Analisis Penggunaan Learning Management System Sebagai Media Pembelajaran Pada Mahasiswa Tahun Pertama. Jurnal Studi Guru dan Pembelajaran, 7(1), 13–27. https://doi.org/10.30605/jsgp.7.1.2024.3354
Ardianti, M., Nurhayati, O. D., & Warsito, B. (2024). Model Prediksi Kinerja Siswa Berdasarkan Data Log LMS Menggunakan Ensemble Machine Learning. JST (Jurnal Sains dan Teknologi), 12(3), 562–571. https://doi.org/10.23887/jstundiksha.v12i3.59816
Sari, N. K., Sain, M., & Asmariani, A. (2023). Problems of Moodle-Based Learning Management System Development in Improving Lecturers' Professional Competence. Al-Fikru: Jurnal Ilmiah, 17(1), 45–58. https://jurnal.staiserdanglubukpakam.ac.id/index.php/alfikru/article/view/160
Irsyad, M. R. N., et al. (2023). Tren Penelitian E-Learning pada Jurnal Terindeks SINTA di Indonesia. INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS, 7(2), 117–126. https://ejournal-binainsani.ac.id/index.php/ISBI/article/view/2030
Mursalin, E., Setiaji, A. B., & Kasim, E. W. (2022). Penerapan Learning Management Systems (LMS) berbantuan Sevima Edlink: Efektifkah dalam Menunjang Perkuliahan Daring? Jurnal Pendidikan Edutama, 9(1), 109–118. https://www.ejurnal.ikippgribojonegoro.ac.id/index.php/JPE/article/view/2254
Sari, N. N., Annisa, P., Rahma, A. N. D., Ritonga, R. P., & Utomo, D. P. (2025). Teknik Data Mining Dengan Menggunakan Algoritma Decision Tree Untuk Mengetahui Pola Pemahaman Mahasiswa Pada Matakuliah Pemrograman. Bulletin of Information Technology (BIT), 6(4), 417–431. https://doi.org/10.47065/bit.v6i4.2339
Indahyanti, U., Azizah, N. L., & Setiawan, H. (2022). Educational Data Mining on Student Academic Performance Prediction: A Survey. Procedia of Social Sciences and Humanities, 3, 1442–1447. https://doi.org/10.21070/pssh.v3i.344
Rahmah, S., Mariyam, D., Syafina, K., Lestari, D., & Analita, R. N. (2024). Penggunaan Learning Management System (LMS) Moodle dalam Pembelajaran Kimia (Sebuah Studi Literatur). JCAE (Journal of Chemistry And Education), 7(2), 89–102. https://jtam.ulm.ac.id/index.php/jcae/article/view/2959
Fakhri, M. M., Wahid, A., Fadhilatunisa, D., Surianto, D. F., Fajar B, M., & Hidayat, A. (2022). Pengaruh Model Blended Problem Based Learning Berbasis LMS Moodle Terhadap Motivasi Belajar dan Hasil Belajar Mahasiswa Jurusan Akuntansi. KLASIKAL: Journal of Education, Language Teaching and Science, 4(3), 670–684. https://doi.org/10.52208/klasikal.v4i3.501
Santos Almeida, L., Bordin, A. S., Ramos, V. F. C., Panisson, A. R., Primo, T. T., Queiroga, E. M., & Cechinel, C. (2025). Sequential Pattern Mining of Students Data: A Case Study with Moodle Log Data. In: Lliteras, A.B. et al. (eds), Proceedings of the 19th Latin American Conference on Learning Technologies (LACLO 2024). Lecture Notes in Educational Technology. Springer. https://doi.org/10.1007/978-981-96-3698-3_25
Santos Almeida, L., Bordin, A. S., Ramos, V. F. C., Panisson, A. R., & Cechinel, C. (2025). Exploring Sequential Pattern Mining in Virtual Learning Environments. In: Proceedings of LACLO 2024. Lecture Notes in Educational Technology. Springer. https://doi.org/10.1007/978-981-96-3698-3_13
Hadwin, A. F., Oshige, M., Gress, C. L. Z., & Winne, P. H. (2022). Innovative Ways for Using gStudy to Orchestrate and Research Social Aspects of Self-Regulated Learning. Computers in Human Behavior, 26(5), 794–805. https://doi.org/10.1016/j.chb.2007.06.007
Pei, J., Han, J., Mortazavi-Asl, B., Wang, J., Pinto, H., Chen, Q., Dayal, U., & Hsu, M. C. (2004). Mining Sequential Patterns by Pattern-Growth: The PrefixSpan Approach. IEEE Transactions on Knowledge and Data Engineering, 16(11), 1424–1440. https://doi.org/10.1109/TKDE.2004.77
Fournier-Viger, P., Lin, J. C. W., Kiran, R. U., Koh, Y. S., & Thomas, R. (2021). A Survey of Sequential Pattern Mining. Data Science and Pattern Recognition, 1(1), 54–77. https://doi.org/10.1007/s41060-021-00241-3