POLA INTERAKSI MAHASISWA DALAM PEMBELAJARAN DARING MENGGUNAKAN ARTIFICIAL NEURAL NETWORK 

STUDENT INTERACTION PATTERNS IN ONLINE LEARNING USING ARTIFICIAL NEURAL NETWORK

Pembelajaran daring atau online telah menjadi bagian integral dari pendidikan di Indonesia, termasuk pendidikan tinggi, terutama di masa pandemi COVID-19. Salah satu metode pembelajaran daring yang banyak digunakan adalah E-Learning. Universitas Negeri Surabaya (Unesa) telah mengimplementasikan E-Learning untuk memfasilitasi proses belajar mengajar jarak jauh. Penelitian ini membahas pengembangan model pengelompokkan pola interaksi mahasiswa dalam pembelajaran daring menggunakan E-Learning di Universitas Negeri Surabaya. Untuk mengatasi masalah ini, penelitian ini menggunakan algoritma Artificial Neural Network (ANN) dengan arsitektur Multilayer Perceptron (MLP) untuk mengelompokkan pola interaksi mahasiswa ke dalam tiga kategori utama yaitu Interaksi Mahasiswa-Mahasiswa, Interaksi Mahasiswa-Dosen, dan Interaksi Mahasiswa-Mata Kuliah. Data yang dianalisis meliputi nilai mata kuliah Literasi Digital dan hasil kuesioner EUCS dari mahasiswa Sistem Informasi Universitas Negeri Surabaya. Hasil penelitian ini menunjukkan bahwa model ANN yang diterapkan mampu mencapai akurasi sebesar 93.33%. Selain itu, model juga menunjukkan performa yang baik dengan MSE menghasilkan angka 0.266666. Temuan ini mengindikasikan bahwa model ANN cukup efektif dalam mengelompokkan pola interaksi mahasiswa, meskipun terdapat perbedaan akurasi berdasarkan jenis interaksi yang dianalisis. Penelitian ini memberikan pandangan untuk meningkatkan kualitas pembelajaran daring di Universitas Negeri Surabaya khususnya di program studi Sistem Informasi sehingga mampu meningkatkan motivasi serta keberhasilan akademik mahasiswa. Pemilihan metode klasifikasi juga harus disesuaikan dengan kebutuhan dan tujuan analisis yang diinginkan. Temuan ini diharapkan dapat memberikan kontribusi signifikan dalam bidang pembelajaran daring dan pola interaksi mahasiswa.

Kata Kunci :  E-Learning, pola interaksi mahasiswa, EUCS, klasifikasi, Artificial Neural Network, Multilayer Perceptron

Online learning has become an integral part of education in Indonesia, including higher education, especially during the COVID-19 pandemic. One widely used method of online learning is E-Learning. The State University of Surabaya (Unesa) has implemented E-Learning to facilitate the remote teaching and learning process. This study discusses the development of a model for clustering student interaction patterns in online learning using E-Learning at the State University of Surabaya. To address this issue, the study uses an Artificial Neural Network (ANN) algorithm with a Multilayer Perceptron (MLP) architecture to cluster student interaction patterns into three main categories: Student-Student Interaction, Student-Teacher Interaction, and Student-Course Interaction. The data analyzed include the grades from the Digital Literacy course and the results of the EUCS questionnaire from Information Systems students at the State University of Surabaya. The results of this study indicate that the implemented ANN model was able to achieve an accuracy of 93.33 In addition, this model also also shows good performance with an MSE result of 0.266666. These findings indicate that the ANN model is quite effective in clustering student interaction patterns, although there are differences in accuracy based on the type of interaction analyzed. This study provides insights to improve the quality of online learning at the State University of Surabaya, especially in the Information Systems study program, thereby enhancing student motivation and academic success. The choice of classification method should also be tailored to the needs and objectives of the desired analysis. These findings are expected to make a significant contribution to the field of online learning and student interaction patterns.

Keywords - E-Learning, student interaction patterns, EUCS, classification, Artificial Neural Network, Multilayer Perceptron