Presentasi Laporan Kemajuan Prof Mukhtar.pptx

Presentasi Laporan Kemajuan Prof Mukhtar.pptx

1. Penelitian Terapan Tim Pengusul : 1. Prof. Dr. Mukhtar, M.Pd . 2. Prof. Dr. Abdul Hamid K., M.Pd . 3. Rizki Habibi, S.Pd ., M.Si . Pengembangan Model Pembelajaran Matematika Adaptif Berbasis Data-Driven Predictive Analysis untuk menumbuhkan Keterampilan Berpikir Kritis

2. Tujuan Penelitian Mengidentifikasi kebutuhan dan karakteristik pengguna ( mahasiswa dan dosen ) dalam konteks pembelajaran , melalui analisis kuantitatif dan kualitatif terhadap preferensi belajar , hambatan konseptual , dan persepsi terhadap sistem LMS yang digunakan Merumuskan landasan teoretis dan kerangka konseptual model Data-Driven Predictive Analysis (DDPA), dengan mengintegrasikan teori pembelajaran adaptif , analitik pembelajaran prediktif (Predictive Learning Analytics), dan pedagogi matematika berbasis teknologi digital Merancang model pedagogis DDPA yang mencakup sintaks pembelajaran adaptif , sistem sosial , prinsip reaksi , serta peran sistem dalam memfasilitasi umpan balik otomatis dan rekomendasi personalisasi konten berdasarkan performa mahasiswa Menyusun blueprint arsitektur sistem DDPA, yang mencakup komponen activity logger, learning record store, predictive engine, content recommender , serta dashboard progres yang mendukung intervensi berbasis data Mengimplementasikan dan menguji coba sistem DDPA dalam konteks pembelajaran Kalkulus Multivariabel pada LMS SIPDA Universitas Negeri Medan, serta melakukan evaluasi terhadap efektivitas sistem dalam meningkatkan keterampilan berpikir kritis mahasiswa

3. Metode Penelitian Model Pengembangan ADDIE ; Analyze, Design, Development, Implementation, dan Evaluation

4. Laporan Kemajuan Penelitian ANALISIS DESAIN DEVELOPMENT Kategori Rata-rata Std Interpretasi Preferensi Belajar 4.10 0.61 Tinggi Hambatan Matematika 3.85 0.72 Cukup Tinggi Penggunaan LMS 3.60 0.78 Sedang Harapan terhadap Sistem Adaptif 4.35 0.59 Sangat Tinggi Hasil respon mahasiswa No Komponen Fungsi 1 User Interface (LMS Layer) Antarmuka mahasiswa dan dosen (Moodle, Google Classroom, dll). 2 Activity Logger Mencatat interaksi mahasiswa secara real-time: waktu akses, durasi, kuis, forum, klik konten. 3 Learning Record Store (LRS) Basis data yang menyimpan log aktivitas dalam format standar (xAPI / SCORM). 4 Predictive Analytics Engine Model machine learning yang memprediksi kebutuhan belajar, potensi risiko, dan rekomendasi materi. 5 Content Recommender Module Modul yang memilih materi, soal, atau umpan balik berdasarkan hasil analisis prediktif. 6 Feedback Generator Memberikan umpan balik otomatis berbasis performa (kuis, diskusi, progres). 7 Progress Tracker Menampilkan progres belajar mahasiswa dalam dashboard visual adaptif. 8 Teacher Dashboard Memberi dosen akses ke data perkembangan mahasiswa dan hasil prediksi DDPA.

5. Target Luaran Publikasi pada Jurnal Internasional Bereputasi Scopus Q3 di Jurnal Cakrawala Pendidikan ( masih berupa draft) LUARAN WAJIB Laporan Akhir Kekayaan Intelektual Produk Penelitian Hak Cipta Laporan Penelitian Potensi yang sedang dikembangkan meliputi desain sistem adaptif berbasis DDPA, meliputi arsitektur sistem , algoritma DDPA, serta integrasi modul pembelajaran adaptif dalam LMS

6. Log Book Penelitian

7. TERIMA KASIH