Analisis Pola Belajar Mahasiswa Menggunakan Data Science untuk Meningkatkan Efektivitas Pembelajaran

Abstrak

Perkembangan teknologi pembelajaran digital menghasilkan berbagai data aktivitas mahasiswa yang dapat dimanfaatkan untuk memahami pola belajar dan mendukung peningkatan efektivitas pembelajaran. Penelitian ini bertujuan untuk menganalisis pola belajar mahasiswa menggunakan pendekatan data science serta mengidentifikasi karakteristik kelompok mahasiswa berdasarkan aktivitas pembelajaran. Penelitian menggunakan pendekatan kuantitatif dengan metode data mining. Data yang digunakan meliputi frekuensi akses Learning Management System (LMS), durasi belajar, kehadiran, penyelesaian tugas, aktivitas forum, nilai kuis, dan nilai evaluasi. Tahapan analisis meliputi data preprocessing, transformasi data, eksplorasi data, normalisasi, clustering menggunakan algoritma K-Means, serta interpretasi karakteristik setiap cluster. Berdasarkan data ilustratif sebanyak 200 mahasiswa, diperoleh tiga pola belajar, yaitu kelompok belajar aktif dan konsisten, kelompok belajar cukup aktif, serta kelompok belajar dengan aktivitas rendah. Kelompok aktif memiliki tingkat akses LMS, penyelesaian tugas, kehadiran, dan capaian akademik yang relatif tinggi. Kelompok dengan aktivitas rendah menunjukkan aktivitas pembelajaran dan penyelesaian tugas yang lebih rendah. Hasil analisis menunjukkan bahwa pendekatan data science dapat digunakan untuk memetakan karakteristik pola belajar mahasiswa sehingga dapat menjadi dasar bagi dosen dalam menentukan strategi pembelajaran dan pendampingan yang sesuai dengan kebutuhan mahasiswa.