Aviano, Dino (2016) ANALISIS BEHAVIORAL TRACKING PADA LEARNING MANAGEMENT SYSTEM DENGAN ALGORITMA ASSOCIATION RULES APRIORI. S1 thesis, Universitas Pendidikan Indonesia.
|
Text
S_KOM_1204245_Title.pdf Download (12kB) | Preview |
|
|
Text
S_KOM_1204245_Abstract.pdf Download (175kB) | Preview |
|
|
Text
S_KOM_1204245_Table_of_content.pdf Download (210kB) | Preview |
|
|
Text
S_KOM_1204245_Chapter1.pdf Download (218kB) | Preview |
|
|
Text
S_KOM_1204245_Chapter1.pdf Download (218kB) | Preview |
|
![[img]](http://repository.upi.edu/style/images/fileicons/text.png) |
Text
S_KOM_1204245_Chapter2.pdf Restricted to Staf Perpustakaan Download (569kB) |
|
|
Text
S_KOM_1204245_Chapter3.pdf Download (79kB) | Preview |
|
|
Text
S_KOM_1204245_Chapter4.pdf Restricted to Staf Perpustakaan Download (471kB) |
|
|
Text
S_KOM_1204245_Chapter5.pdf Download (104kB) | Preview |
|
|
Text
S_KOM_1204245_Bibliography.pdf Download (136kB) | Preview |
|
|
Text
S_KOM_1204245_Appendix.pdf Restricted to Staf Perpustakaan Download (284kB) |
Abstract
Pembelajaran online yang sudah banyak diterapkan di berbagai institusi pendidikan memberikan banyak kemudahn, dan efek positif pada pembelajaran, apalagi jika dilakukan beriringan dengan pembelajaran konvensional. Pembelajaran online membantu kesulitan pengajar pada pembelajaran konvensional dimana proses pembelajaran setiap individu siswa sulit diketahui secara mendetail oleh pengajar karena banyaknya siswa yang ada. Dengan pembelajaran online berbantu Learning Management System (LMS), pengajar dapat mengetahui proses pembelajaran tiap individu siswa dengan cara menganalisis log aktivitas siswa pada LMS yang sering disebut dengan behavioral tracking. LMS yang dijadikan bahan penelitian ini adalah Moodle yang telah diaplikasikan pada ¬e-learning Departemen Pendidikan Ilmu Komputer UPI. Salah satu model behavioral tracking yang mampu membantu pengajar dalam mengetahui status pembelajaran siswa secara detail adalah Monitoring Online Course with Log Data (MOCLog) model. Dengan menggabungkan concept map, dan solution map, model ini dapat menganalisis log data pada LMS Moodle, dan menghasilkan status pembelajaran untuk tiap individu siswa. Kemudian pengajar juga dapat mengetahui ciri perilaku apa yang dominan, dan paling berpengaruh pada status pembelajaran siswa dengan teknik association rule data mining dengan algoritma apriori. Dari penelitian ini diperoleh hasil bahwa status pembelajaran dominan pada course ‘Jaringan Komputer’ adalah 84.,75% siswa berstatus Pembelajaran Sedang (Rerata Siswa Rajin)’ sedangkan aktivitas ‘Rajin Mengakses Course’ menjadi aktivitas yang sangat mempengaruhi status belajar siswa pada course LMS Moodle dengan 48 kali.;---Online learning has been applied in various educational institutions, and have some positive effects on the conventional learning, especially if both learning si collaborated. Online learning helps teaching difficulties in conventional learning where each individual student learning process is hard to know in detailed by the teacher because of the large number of students. With online learning assisted by Learning Management System (LMS) teachers can know each individual student learning process by analyzing student log activity on the LMS which is often called by behavioral tracking. LMS used as research material is Moodle that has been applied to the Deparyemen Pendidikan Ilmu Komputer UPI. One of behavioral tracking model that can help determine the student’s learning status is Monitoring Online Course with Log Data (MOCLog) model. By combining the concept map, and solution map, this model can analyze log data on Moodle LMS, and generate learning status of each individual student. Then the teacher can determine what behavioral traits are dominant, and most influential on learning with association rule data mining technique with apriori algorithms. This study provide that dominant learning status on the course ‘Jaringan Komputer’ with 84,75 % students is ‘Status Pembelajaran Sedang (Rerata Siswa Rajin)’ while ‘Rajin Mengakses Course' to be an avtivity thet greatly affect the student's learning status in the Moodle LMS course with 48 times.
| Item Type: | Thesis (S1) |
|---|---|
| Additional Information: | No. Panggil : S KOM AVI a-2016; Pembimbing : I. Budi Laksono, II. Eddy Prasetyo. |
| Uncontrolled Keywords: | behavioral tracking, LMS, association rule, status pembelajaran, behavioral tracking, LMS, association rule, learning status. |
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software |
| Divisions: | Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer |
| Depositing User: | Mr mhsinf 2017 |
| Date Deposited: | 09 Oct 2017 05:40 |
| Last Modified: | 09 Oct 2017 05:40 |
| URI: | http://repository.upi.edu/id/eprint/26369 |
Actions (login required)
 |
View Item |