Teori Connectivism dalam Pembelajaran sebagai Pendukung

Sistem Adaptive E-learning and Big Data Personalized

Learning

Siyamta1, Punaji Setyosari2, Waras Kamdi3, Saida Ulfa4

1
P4TK / VEDC Malang, yamtasiyamta@gmail.com
2,3,4
Pascasarjana Universitas Negeri Malang

ABSTRAK

Teori belajar akan berkembang sesuai dengan era nya. Pada awalnya berkembang
beberapa teori belajar, misalnya kognitivisme, behaviorisme dan konstruktivisme.
Pada saat ini yang berada di era digital, maka berkembang teori baru yang disebut
dengan connectivism. Teori connectivism, diperkenalkan pertama kali oleh George
Siemens, dimana teori ini mengintegrasikan prinsip-prinsip yang digali melalui teori
chaos, jejaring, kompeksitas dan self organizing. Menurut teori connectivism, kegiatan
pembelajaran dimulai dari kegiatan mengetahui sampai dengan kegiatan menciptakan
pengetahuan yang dapat dilakukan (actioneble knowledge). Pengambilan keputusan
di era digital, akan didasarkan pada landasan-landasan yang berubah secara cepat,
karena informasi baru akan diperoleh secara terus menerus dan berkelanjutan, sehingga
diperlukan kemampuan untuk dapat membedakan mana informasi yang penting dan tidak
penting. Beberapa prinsip utama dalam teori connectivism antara lain (1) pembelajaran
merupakan suatu proses penghubungkan beberapa sumber informasi, (2) mendorong
dan memelihara hubungan untuk memfasilitasi terjadinya pembelajaran berkelanjutan
(continual learning), (3) kemutakhiran dan keakuratan pengetahuan merupakan tujuan
dari kegiatan pembelajaran, (4) dapat memilah, memilih dan mengelola informasi untuk
penentuan pengambilan keputusan.
Teori belajar connectivism berkaitan erat dengan Sistem Adaptive E-Learning.
Sistem adaptive E-Learning dapat menampilkan materi pembelajaran sesuai dengan gaya
belajar pengguna. Hal ini akan menyelesaikan permasalahan pada web based instruction
atau e-learning konvensional yaitu: (1) menampilkan halaman web yang sama kepada
semua pengguna tanpa memperhatikan adanya perbedaan individu, (2) berorientasi
pada kelas tradisional yakni materi ditujukan untuk target pengguna tertentu, sehingga
kelompok pengguna lain akan sulit memahami materi, (3) beresiko terjadinya “lost in
space” dalam mempelajari materi. Pergeseran paradigma pada era saat ini adalah
“education is smart and personal”, dengan implementasi big data personalized learning.
Empat atribut utama yang dimiliki oleh big data adalah volume, variety, veracity dan
velocity.

Kata kunci : Connectivism, Adaptive Elearning, Big data Personalized Learning, Volume,
Variety, Veracity, Velocity.

PENDAHULUAN
Belajar merupakan akibat adanya interaksi antara stimulus dan respon
(Slavin, 2000). Seseorang dianggap telah belajar apabila mereka dapat menunjukkan
perubahan perilakunya. Beberapa teori belajar, misalnya kognitivisme, behaviorisme
dan konstruktivisme, ditemukan dan berkembang pada masa lampau. Teori belajar

Inovasi Pendidikan di ERa Big Data dan Aspek PSIKOLOGINYA || 417

behaviorisme berfokus pada aspek objektif diamati pembelajaran. Teori kognitif melihat
perilaku untuk menjelaskan pembelajaran berbasis kognisi atau kemampuan berfikir,
sedangkan pandangan konstruktivisme, belajar merupakan sebuah proses dimana
pembelajar aktif untuk mengkonstruksi pengetahuan baru atau berupa suatu ide atau
konsep.
Pada saat ini yang berada di era digital, maka berkembang teori baru yang disebut
dengan connectivisme. Teori connectivisme, diperkenalkan pertama kali oleh George
Siemens, dimana teori ini mengintegrasikan prinsip-prinsip yang digali melalui teori chaos,
jejaring, kompeksitas dan self organizing. Di dalam teori ini, pembelajaran merupakan
suatu proses yang terjadi di dalam lingkungan perubahan inti pembelajaran yang tidak
sepenuhnya dalam kendali oleh seorang individu. Menurut teori connectivisme, kegiatan
pembelajaran dimulai dari kegiatan mengetahui sampai dengan kegiatan menciptakan
pengetahuan yang dapat dilakukan (actioneble knowledge).
Teknologi informasi tidak dapat dipungkiri telah memberikan sumbangan
yang besar dalam meningkatkan kualitas pendidikan baik dalam bidang akademik,
administrasi maupun manajemen. Pada awal perkembangan komputer, para pendidik
telah memanfaatkannya untuk membantu memberikan materi pembelajaran dalam
bentuk computer assisted instruction (CAI) atau untuk membantu mengelola pendidikan
dalam bentuk computer management instruction (CMI). Kemajuan teknologi Internet
memberikan manfaat yang besar bagi dunia pendidikan. Pemanfaat Internet dalam
pendidikan antara lain adalah untuk menyampaikan materi-materi pembelajaran berbasis
web atau sering disebut dengan sistem e-learning. Sistem e-learning telah banyak
dikembangkan oleh berbagai lembaga pendidikan dan kini menjadi tulang pungggung
bagi pelaksanaan pendidikan jarak jauh. Sistem e-learning yang ada sekarang ini
umumnya memberikan presentasi materi pembelajaran yang sama untuk setiap pengguna
karena mengasumsikan bahwa karakteristik semua pengguna adalah homogen. Dalam
kenyataannya, setiap pengguna mempunyai karakteristik yang berbeda-beda baik dalam
hal tingkat kemampuan, gaya belajar, latar belakang atau yang lainnya. Oleh karena itu
seorang pengguna e-learning ini belum tentu mendapatkan materi pembelajaran yang tepat
dan akibatnya efektivitas pembelajaran tidak akan optimal. Pada tulisan ini akan dibahas
tentang terori connectivisme sebagai pendukung adaptive elearning serta perkembangan
big data personalized learning.

PEMBAHASAN
Teori belajar akan berkembang sesuai dengan perkembangan jaman yang ada.
Pada awalnya berkembang beberapa teori belajar, misalnya kognitivisme, behaviorisme
dan konstruktivisme. Pada saat ini yang berada di era digital, maka berkembang teori baru
yang disebut dengan connectivisme. Teori connectivisme, diperkenalkan pertama kali oleh
George Siemens, dimana teori ini mengintegrasikan prinsip-prinsip yang digali melalui
teori chaos, jejaring, kompeksitas dan self organizing. Di dalam teori ini, pembelajaran
merupakan suatu proses yang terjadi di dalam lingkungan perubahan inti pembelajaran
yang tidak sepenuhnya dalam kendali oleh seorang individu. Menurut teori connectivisme,
kegiatan pembelajaran dimulai dari kegiatan mengetahui sampai dengan kegiatan

418 || PROSIDING 2016

menciptakan pengetahuan yang dapat dilakukan (actioneble knowledge). Pengambilan
keputusan di era digital, akan didasarkan pada landasan-landasan yang berubah secara cepat,
karena informasi baru akan diperoleh secara terus menerus dan berkelanjutan, sehingga
diperlukan kemampuan untuk dapat membedakan mana informasi yang penting dan tidak
penting. Beberapa prinsip utama dalam teori connectivisme anta lain (1) pembelajaran
merupakan suatu proses penghubungkan beberapa sumber informasi, (2) mendorong
dan memelihara hubungan untuk memfasilitasi terjadinya pembelajaran berkelanjutan
(continual learning), (3) kemutakhiran dan keakuratan pengetahuan merupakan tujuan
dari kegiatan pembelajaran, (4) dapat memilah, memilih dan mengelola informasi untuk
penentuan pengambilan suatu keputusan.
Menurut teori connectivism, pengetahuan dapat disistribusikan melalui jaringan
informasi dan dapat disimpan didalam format digital. Connectivism berkaitan dengan
pengembangan kognisi. Siemens (2008) menggambarkan kategori pembelajaran
kedalam tiga framework epistemologi, yang disebut dengan objectivism, pragmatism dan
interpretivism. Objectivism berkaitan dengan pola pikir, pengetahuan dan persepsi. Di
dalam pragmatisme dinyatakan bahwa pengetahuan merupakan sebuah negoisasi antara
refleksi, pengalaman, inquiry serta suatu tindakan. Interpretivism memposisikan bahwa
pengetahuan berada pada konstruksi internal serta diinformasikan melalui sosialisasi dan
budaya.
Teori distribusi pengetahuan menurut Siemens (2008), bahwa pengetahuan
terdiri dari hubungan dan entitas jaringan. Hubungan antara epistemologi dan teori
pembelajaran, ditunjukkan seperti gambar berikut ini.

Gambar 1. Epistemologi dan Teori Pembelajaran

Teknologi informasi tidak dapat dipungkiri telah memberikan sumbangan yang besar
dalam meningkatkan kualitas pendidikan baik dalam bidang akademik, administrasi maupun
manajemen. Pada awal perkembangan komputer, para pendidik telah memanfaatkannya untuk
membantu memberikan materi pembelajaran dalam bentuk computer assisted instruction
(CAI) atau untuk membantu mengelola pendidikan dalam bentuk computer management
instruction (CMI). Kemajuan teknologi Internet memberikan manfaat yang besar bagi dunia
pendidikan. Pemanfaat Internet dalam pendidikan antara lain adalah untuk menyampaikan
materi-materi pembelajaran berbasis web atau sering disebut dengan sistem e-learning.
Sistem e-learning telah banyak dikembangkan oleh berbagai lembaga pendidikan dan kini
menjadi tulang pungggung bagi pelaksanaan pendidikan jarak jauh. Sistem e-learning yang
ada sekarang ini umumnya memberikan presentasi materi pembelajaran yang sama untuk
setiap pengguna karena mengasumsikan bahwa karakteristik semua pengguna adalah
homogen. Dalam kenyataannya, setiap pengguna mempunyai karakteristik yang berbeda-

Inovasi Pendidikan di ERa Big Data dan Aspek PSIKOLOGINYA || 419

beda baik dalam hal tingkat kemampuan, gaya belajar, latar belakang atau yang lainnya. Oleh
karena itu seorang pengguna e-learning ini belum tentu mendapatkan materi pembelajaran
yang tepat dan akibatnya efektivitas pembelajaran tidak optimal. Seharusnya suatu sistem
e-learning dapat memberikan materi pembelajaran yang tingkat kesulitannya sesuai dengan
kemampuan pengguna, dan cara mempresentasikan materi pembelajarannya sesuai dengan
gaya belajar pengguna. Dengan kata lain sistem e-learning seharusnya dapat mengadaptasikan
tampilannya terhadap berbagai variasi karakteristik pengguna, sehingga mempunyai efektivitas
pembelajaran yang tinggi.
Sistem Adaptive E-Learning dapat memberikan materi pembelajaran yang tingkat
kesulitannya sesuai dengan kemampuan pengguna, dan cara mempresentasikan materi
pembelajarannya sesuai dengan gaya belajar pengguna. Dengan kata lain sistem Adaptive
E-Learning dapat mengadaptasikan tampilannya terhadap berbagai variasi karakteristik
pengguna, sehingga mempunyai efektivitas pembelajaran yang tinggi. Berdasarkan pada
alamat https://www.smartsparrow.com/adaptive ele-arning/disebutkan bahwa evolution of
Technology in Education setelah tahun 2011 adalah ke arah paradigma adaptive elearning
dengan slogan “we should make education smart and personal”.
Pada tahun 1990 muncul paradigma bahwa setiap kelas terdapat komputer untuk
pembelajaran, dengan teknologi pendukung berupa personal computer (PC). Implementasi
pada era ini adalah computer assisted instruction (CAI). Tahun 2000 muncul paradigma
bahwa setiap course harus berbasis web, dengan teknologi pendukung berupa world wide
web (WWW). Contoh implementasi pada era ini adalah learning management systems
(LMS). Tahun 2011 terjadi pergeseran paradigma bahwa pendidikan harus tersebar secara
luas, dengan teknologi pendukung berupa cloud dan mobile computing. Implementasi
yang digunakan berupa massive online open course (MOOC). Pada saat ini dan kedepan
berkembang paradigma bahwa “we should make education smart”, dengan teknologi
pendukung berupa intelligent turoring system (ITS), dengan implementasi pendukung
berupa adaptive e-learning.
Disisi lain, menurut http://smo-online.com.my/cost/, evolusi dalam teknologi
pendidikan, saat ini mengarah kepada big data personalized learning. Big data
personalized learning sebenarnya merupakan perkembangan dari adaptive elearning.
Pergeseran paradigma pada era ini adalah “education is smart and personal”, dengan
implementasi big data personalized learning, seperti gambar berikut ini.

Gambar 2. Evolution of Technology in Education

420 || PROSIDING 2016

 Data yang besar/lengkap memung-kinkan suatu algoritma yang pintar untuk
dapat menganalisis hasil dari jawaban setiap siswa untuk memahami area mana yang
dimiliki oleh setiap siswanya. Dari algoritma inilah dapat dipetakan dimana letak
kekuatan, kelemahan serta dapat diamati perilaku siswa selama belajar.
Semua informasi ini memungkinkan sistem untuk dapat menyesuaikan
pertanyaan yang paling sesuai dari masing-masing siswa. Dengan demikian mereka dapat
belajar dengan kecepatan mereka sendiri, mengetahui kelemahan dari setiap siswa, dan
mempromosikan pembelajaran mandiri (self directed learning) dengan menjaga motivasi
siswa dengan beberapa pertanyaan yang berada dalam jangkauan mereka. Setiap guru
tidak akan dapat menganalisis lebih banyak berkaitan dengan tingkat personalisasi setiap
siswa.
Sejak tahun 2010 istilah “big data” merupakan trending topik di dunia IT dan
Pembelajaran. Perkembangan jenis dan volume data yang terus meningkat secara berlipat-
lipat di dunia maya merupakan fakta yang tidak dapat dipungkiri. Era Teknologi Informasi
dan Komunikasi akan terus berkembang sesuai dengan perkembangan teknologi saat
ini. Menurut Gartner, big data memiliki tiga atribut, yaitu volume, variety, dan velocity.
Lebih lanjut lagi, berdasarkan riset yang dilakukan oleh IBM, ketiga komponen big data
tersebut di atas ditambah dengan komponen veracity, seperti ditunjukkan seperti gambar
berikut ini.

Gambar 3. Komponen big data

Pada saat ini sedang berkembang dimana arus/kecepatan berbagai jenis data
(velocity) benar-benar tinggi dan cepat, sehingga menghasilkan data yang amat besar
(volume) dengan variasi yang tinggi (variety). Era seperti inilah yang disebut dengan
Era Big Data. Volume berkaitan dengan ukuran data. Variety berarti tipe atau jenis data,
yang meliputi berbagai jenis data baik data yang telah terstruktur dalam suatu database
maupun data yang tidak terorganisir dalam suatu database seperti halnya data teks pada
web pages, data suara, video, click stream, log file dan lain sebagainya. Velocity dapat
diartikan sebagai kecepatan dihasilkannya suatu data dan seberapa cepat data itu harus
diproses agar dapat memenuhi permintaan pengguna.

Inovasi Pendidikan di ERa Big Data dan Aspek PSIKOLOGINYA || 421

 Untuk mendukung kinerja big data, maka salah satunya dapat digunakan hadoop.
Hadoop merupakan framework opensource berbasis java yang berlisensi Apache untuk
mendukung aplikasi yang berjalan pada big data. Arsitektur untuk Hadoop dan big data
analytics ditunjukkan seperti gambar berikut ini.

Gambar 4. Hadoop dan big data analytics

Hadoop diciptakan untuk menutupi kekurangan yang terdapat dalam database dengan
pendekatan tradisional. Hadoop mendukung pemrosesan data secara terdistribusi kepada
kluster yang ada dalam komputer. Untuk mendukung kinerja tersebut, hadoop didukung
oleh komponen hadoop distributed file sustem (HDFS) dan MapReduces. HDFS
merupakan sistem penyimpanan file terdistribusi dengan pemecahan file besar menjadi
lebih kecil, kemudian didistribusikan ke kluster pada komputer.

KESIMPULAN
Teori connectivisme, diperkenalkan pertama kali oleh George Siemens, dimana
teori ini mengintegrasikan prinsip-prinsip yang digali melalui teori chaos, jejaring,
kompeksitas dan self organizing. Menurut teori connectivisme, kegiatan pembelajaran
dimulai dari kegiatan mengetahui sampai dengan kegiatan menciptakan pengetahuan
yang dapat dilakukan (actioneble knowledge). Pengambilan keputusan di era digital, akan
didasarkan pada landasan-landasan yang berubah secara cepat, karena informasi baru akan
diperoleh secara terus menerus dan berkelanjutan, sehingga diperlukan kemampuan untuk
dapat membedakan mana informasi yang penting dan tidak penting. Beberapa prinsip
utama dalam teori connectivisme anta lain (1) pembelajaran merupakan suatu proses
penghubungkan beberapa sumber informasi, (2) mendorong dan memelihara hubungan
untuk memfasilitasi terjadinya pembelajaran berkelanjutan (continual learning), (3)
kemutakhiran dan keakuratan pengetahuan merupakan tujuan dari kegiatan pembelajaran,
(4) dapat memilah, memilih dan mengelola informasi untuk penentuan pengambilan suatu
keputusan.
Paradigma pembelajaran akan berkembang sesuai dengan era-nya. Saat ini yang
sedang berkembang adalah bahwa education is smart and personal dengan implementsinya

422 || PROSIDING 2016

berupa adaptive elearning dan big data personalized learning. Empat atribut utama yang
dimiliki oleh big data adalah volume, variety, veracity dan velocity. Untuk menutupi
kekurangan yang ada pada database tradisional, maka digunakan pendekatan Hadoop
yang dilengkapi dengan dua komponen utama, yaitu HDFS dan MapReduces.

DAFTAR PUSTAKA
Bullen, M. 2001. E-learning and the Internationalizat Education. Malaysian Journal of
Education Technologi. Vol 1. No.1 P.37-46.
Downes, S (2007b, February 3). Msg 1, Re: What Connectivism Is. Online Connectivism
Conference: University of Manitoba. http://ltc.umanitoba.ca/ moodle/mod/forum/
discuss.php?d=12
Downes, S (2007c, February 6). Msg. 2, Re: What Connectivism Is. Online
Connectivism Conference: University of Manitoba http://ltc.umanitoba.ca/
moodle/mod/forum/discuss.php?d=12
Kerr, B. (2007b). Msg. 1, The invisibility problem. Online Connectivism Conference:
University of Manitoba. http://ltc.umanitoba.ca/ moodle/mod/forum/ discuss.
php?d=12
Kerr, B. (2007c, February 5). Msg. 18, Re: What Connectivism Is. Online Connectivism
Conference: University of Manitoba. http://ltc.umanitoba.ca/mo-odle/mod/forum/
discuss.php?d=12
Kerr, B. (2007d, February 3). Msg. 7, Re: What Connectivism Is. Online Connectivism
Conference: University of Manitoba. http://ltc.umanitoba.ca/mo-odle/mod/forum/
discuss.php?d=12
Rita Kop and Andrian Hill, Connectivism: Learning Theory of The Future or Vestige
of The Past?, International Review of Research in Open and Distance Learning,
Volume 9, Number 3, Oktober 2008.
Siemen, G. (2005). Connectivisme: A learning theory for digital age. International
journal of Instructional Technology and Distance Learning .(Vol2. No.1).
Slavin (2000), Educational Psychology Theory and Practice, Pearson Education.
Forster, T. (2007). Msg. 14, Re: What Connectivism Is. Online Connectivism
Conference: University of Manitoba. http://ltc.umanitoba.ca/moodle/mod/forum/
discuss.php?d=12
http://www.slideshare.net/cloudera/hadoop-world-2011-big-data-analytics-data-
professionals-the-new-enterprise-rock-stars-martin-hall-karmasphere
https://www.google.co.id/search?q=big+data&biw=1366&bih=643&source=lnm
s&tbm=isch&sa=X&ved=0ahUKEwiP0eOw9IfMAhUkGKYKHTATAlMQ_
AUIBygC#imgrc=TLB6SRsUHwgz5M%3A
https://gigaom.com/2011/09/21/karmasphere-pushes-new-workflow-to-ease-hadoop-
use/

Inovasi Pendidikan di ERa Big Data dan Aspek PSIKOLOGINYA || 423

424 || PROSIDING 2016