Machine Translated by Google

Jurnal Internasional Perkembangan Pendidikan 101 (2023) 102814

Daftar isi tersedia di ScienceDirect

Jurnal Internasional Perkembangan Pendidikan

beranda jurnal: www.elsevier.com/loc/ijedudev

Peningkatan e-learning melalui penambangan data pendidikan dengan latar

belakang periode wabah Covid-19: Sebuah tinjauan

Kudratdeep Aulakh *, Rajendra Kumar Roul, Manisha Kaushal

Institut Teknik dan Teknologi Thapar, Patiala, Punjab, India

INFO PASAL ABSTRAK

Kata kunci: E-learning dengan cepat menjadi bagian integral dari proses belajar-mengajar, terutama setelah merebaknya pandemi
Penambangan data pendidikan Covid-19. Institusi pendidikan di seluruh dunia berupaya untuk meningkatkan mekanisme pengajaran e-learning mereka
Sistem pembelajaran elektronik sesuai dengan aspirasi siswa masa kini yang banyak menggunakan berbagai alat teknologi – komputer, tablet, ponsel, dan
Data pendidikan
Internet untuk tujuan pendidikan. Setelah penggabungan e-learning ke dalam proses pendidikan, penelitian yang berkaitan
Prediksi kinerja siswa
dengan penerapan teknik Educa-tional Data Mining (EDM) untuk meningkatkan sistem e-learning telah menjadi penting
Pandemi covid-19
belakangan ini.
Berbagai teknik data mining yang diterapkan peneliti untuk mempelajari tren atau pola tersembunyi dalam data pendidikan
dapat memberikan wawasan berharga bagi lembaga pendidikan dalam hal menjadikan proses pembelajaran adaptif dengan
kebutuhan siswa. Wawasan ini dapat membantu institusi mencapai tujuan akhir mereka dalam meningkatkan kinerja
akademik siswa dalam sistem pembelajaran berbantuan teknologi di dunia modern. Makalah tinjauan ini bertujuan untuk
memahami peran EDM dalam meningkatkan lingkungan e-learning dengan mengacu pada teknik yang umum digunakan,
bersama dengan prediksi kinerja siswa, dampak pandemi Covid-19 terhadap e-learning dan area fokus e-learning prioritas
di bidang tersebut. masa depan.

Catatan Praktisi
Apa yang sudah diketahui tentang topik ini:
• Teknik Data Mining Pendidikan diterapkan oleh peneliti untuk
mengekstrak informasi berharga dari data pendidikan.
• Penerapan teknik EDM dapat membantu institusi pendidikan meningkatkan
sistem e-learning/pembelajaran online. • Pandemi
Covid-19 memaksa institusi pendidikan beralih ke sistem e-learning agar proses
pembelajaran dapat terus berjalan tanpa gangguan.
• Institusi pendidikan di seluruh dunia harus menyadari meningkatnya kebutuhan
untuk menggabungkan e-learning dan mekanisme bantuan teknologi lainnya
untuk tujuan pembelajaran.
• Meningkatnya penggunaan teknologi dalam pendidikan mengharuskan
akademisi/administrator untuk merestrukturisasi proses belajar-mengajar
selaras dengan perubahan zaman, dengan bantuan model-model baru yang
diusulkan oleh para
peneliti EDM. • Teknik EDM baru dan canggih yang diusulkan oleh para peneliti,
dapat membantu lembaga pendidikan membuat proses pembelajaran lebih
adaptif terhadap kebutuhan siswa dan juga mendukung pembelajaran yang dipersonalisasi

Apa yang ditambahkan makalah ini: 1. Perkenalan

• Memberikan ikhtisar makalah penelitian terpilih sebelumnya terkait penerapan
EDM pada e-learning, termasuk latar belakang periode pandemi Covid.
• Ini menyajikan tinjauan penelitian masa lalu yang berkaitan dengan penggunaan
EDM dalam e-learning dari perspektif prediksi kinerja akademik siswa.
• Laporan ini menyoroti pertumbuhan e-learning dalam beberapa tahun terakhir
dan proyeksi peningkatan signifikansi e-learning di era pasca-Covid.
Implikasi terhadap praktik dan/atau kebijakan:
Educational Data Mining (EDM) adalah domain penelitian yang berkembang
yang mendasari konsep 'Data Mining in Education' (Grigorova et al., 2017). Hal ini
berpusat pada empat pemangku kepentingan utama – siswa, guru, administrator,
dan peneliti. EDM melibatkan penerapan teknik Data Mining secara ekstensif pada
sejumlah besar data yang diperoleh dari lembaga pendidikan (Shahiri et al., 2015).
Menurut definisi yang diberikan oleh The International EDM Society, dan juga oleh
(Baker et al., 2010), EDM adalah 'sebuah disiplin ilmu baru' yang berfokus pada
'pengembangan

* Penulis yang sesuai.

https://doi.org/10.1016/j.ijedudev.2023.102814 Diterima
19 November 2022; Diterima dalam bentuk revisi 20 Maret 2023; Diterima 22 April 2023 Tersedia online 19
Mei 2023
0738-0593/© 2023 Elsevier Ltd. Semua hak dilindungi undang-undang.
Machine Translated by Google

K. Aulakh dkk. Jurnal Internasional Perkembangan Pendidikan 101 (2023) 102814

metode untuk mengeksplorasi jenis data unik yang berasal dari lingkungan
pendidikan,' bersama dengan penggunaan metode yang dikembangkan 'untuk
lebih memahami siswa dan lingkungan tempat mereka belajar.' Teknik EDM
ditujukan untuk mengekstraksi informasi yang tersembunyi namun berguna dari
kumpulan data pendidikan yang sangat besar yang berkaitan dengan lingkungan
pendidikan di semua tingkatan — dari tingkat sekolah hingga tingkat universitas
(Bhardwaj dan Pal, 2012). EDM memainkan peran yang sangat penting dalam
'menambang' informasi paling tepat tentang perilaku siswa serta mengukur
kemanjuran proses pembelajaran (Sana et al., 2019). Penggunaan metodologi
EDM mengungkapkan pengetahuan yang berguna tentang lingkungan pendidikan,
dan memfasilitasi penemuan tren dan pola yang bermanfaat dari kumpulan data
pendidikan yang besar dan kompleks (Han et al., 2011). (Gbr. 1).
Penerapan EDM oleh peneliti pada lingkungan e-learning bertujuan untuk
mengevaluasi proses belajar-mengajar dan menyarankan perbaikan proses dari
waktu ke waktu. Area penerapan EDM yang umum dalam e-learning mencakup
Gambar 2. Pertumbuhan makalah yang diterbitkan tentang sistem E-Learning di lembaga
analisis dan visualisasi data pendidikan, memeriksa perilaku siswa, memprediksi
pendidikan.
kinerja siswa, saran terkait pembelajaran untuk siswa, memberikan umpan balik
kepada guru, merancang perangkat kursus, dan perencanaan skolastik, dan
perubahan radikal dalam sektor pendidikan di seluruh dunia.
menyusun jadwal belajar (Romero dan Ventura, 2010). Karena tujuan akhir
Makalah tinjauan ini berfokus pada kebutuhan untuk meningkatkan metode
lembaga pendidikan adalah untuk meningkatkan sistem pendidikan yang ada
pendidikan e-learning agar dapat menyelaraskannya dengan era kemajuan
melalui kemampuan pengambilan keputusan yang lebih baik dari para
teknologi yang pesat, terutama setelah serangan pandemi yang menyebabkan
administrator (Silva dan Fonseca, 2017). Empat bidang utama yang menjadi
proses belajar-mengajar terhenti yang belum pernah terjadi sebelumnya di
tujuan penelitian EDM, dari perspektif e-learning, saat ini sedang diarahkan
seluruh dunia. dunia. Oleh karena itu, tujuan utama dari makalah tinjauan ini
meliputi:
adalah untuk memahami bagaimana EDM dapat diterapkan pada sistem e-
learning dengan fokus pada perspektif 'peningkatan', termasuk kebutuhan untuk
meningkatkan skenario e-learning di tengah pandemi (Azadi et al., 2021; Aqeel
• Memahami perilaku belajar siswa • Mengevaluasi atau
dkk., 2022; Su dkk., 2021; Abbas, 2020). Pertanyaan penelitian utama yang
memperkirakan kinerja/nilai siswa • Menilai keterlibatan siswa
menjadi latar belakang tujuan ini
dan tingkat kepuasan siswa • Menganalisis alasan di balik angka putus
adalah:
sekolah siswa.

• Dapatkah penerapan EDM pada e-learning meningkatkan desain e-learning

Para peneliti telah menunjukkan peningkatan minat terhadap skenario e-
sistem yang lebih sesuai dengan kebutuhan siswa?
learning, yang terbukti dari pertumbuhan makalah yang diterbitkan tentang e-
• Bagaimana keterlibatan siswa dan kinerja siswa dapat diprediksi dalam sistem
learning, seperti yang ditunjukkan pada Gambar 2 yang didasarkan pada informasi
e-learning?
yang diambil dari database ScienceDirect. Alasan mengapa e-learning menarik
• Apakah pandemi Covid-19 mempengaruhi pendekatan institusi pendidikan
minat para peneliti EDM adalah karena mekanisme e-learning sedang diadopsi
terhadap e-learning? • Apa saja
oleh lembaga-lembaga pendidikan selama beberapa waktu terakhir.
bidang potensial dalam e-learning yang menjadi tempat pendidikan in-
bertahun-tahun.
institusi harus fokus pada tahun-tahun pasca-Covid?
Angka tersebut menggambarkan pertumbuhan karya terbitan di bidang e-
learning selama dua dekade terakhir. Gambar tersebut menunjukkan bahwa
Tinjauan ini penting karena sistem e-learning semakin menonjol akhir-akhir
makalah yang diterbitkan tentang sistem e-learning di lembaga pendidikan
ini, terutama setelah krisis pandemi.
mengalami pertumbuhan yang kurang lebih terus-menerus dari tahun 1998
Oleh karena itu, aspek pembeda yang paling penting dalam tinjauan ini,
hingga 2015. Setelah itu, dari tahun 2015 hingga 2018, terjadi penurunan jumlah
dibandingkan dengan survei lainnya, adalah latar belakang pandemi ini, sehingga
karya yang diterbitkan, tampaknya karena fokus peneliti yang lebih besar pada
e-learning diproyeksikan akan menjadi yang terdepan dalam sistem pendidikan.
sistem e-learning. Kecerdasan Buatan dan Blockchain. Namun, setelah tahun
Pandemi ini telah memaksa lembaga-lembaga pendidikan untuk meningkatkan
2018, penelitian terkait sistem e-learning di institusi pendidikan kembali mencatat
mekanisme pengajaran online mereka untuk menghindari gangguan pada proses
pertumbuhan yang signifikan. Lebih jelasnya, penggunaan teknik EDM dalam
pembelajaran. Dengan pengajaran di kelas tradisional
sistem e-learning telah menarik perhatian baru para peneliti setelah pandemi Covid-19, yang mengakibatkan

Gambar 1. Gambaran umum abstrak.

2
Machine Translated by Google
K. Aulakh dkk.
Ketika terhenti karena pandemi ini, banyak institusi yang beralih ke metode pengajaran
daring dengan kecepatan yang luar biasa, baik di negara maju maupun di negara
berkembang. Oleh karena itu, tinjauan ini menarik perhatian pada peningkatan cakupan
penerapan teknik EDM untuk meningkatkan sistem e-learning di masa depan.
Makalah tinjauan ini dibagi menjadi beberapa bagian berbeda yang berfokus pada EDM
dan e-learning, dengan pertanyaan penelitian yang disebutkan di atas sebagai latar
belakangnya. Bagian 2 dari makalah ini memberikan gambaran umum tentang EDM dan e-
learning, dan juga menyoroti beragam bidang penerapan EDM pada lingkungan e-learning.
Bagian 3 terdiri dari Survei Literatur, dengan fokus pada penggunaan pendekatan EDM
untuk prediksi kinerja siswa dan dampak pandemi Covid-19 terhadap lingkungan e-learning.
Bagian 4 menyoroti relevansi tinjauan ini dan implikasinya terhadap sistem e-learning.
Bagian 5 terdiri dari bagian pembahasan. Bagian 6 menyoroti isu-isu terbuka di EDM.
Bagian 7 terdiri dari kesimpulan makalah dan arah penelitian di masa depan.
2. Penambangan data pendidikan dan e-learning: gambaran umum
2.1. Penambangan data pendidikan
2.1.1. Proses penambangan data dalam pendidikan
EDM merupakan bidang penelitian yang berasal dari Data Mining (Anjewierden et al.,
2007). Hal ini berkisar pada latar pendidikan, sehingga menandai domain aplikasi baru
dalam Data Mining (DM) untuk mengekstraksi pengetahuan dari data pendidikan, seperti
yang digambarkan pada Gambar. 3. Selain ekstraksi pengetahuan, peneliti EDM juga
tertarik untuk merekomendasikan perbaikan pada yang sudah ada. sistem pendidikan (Via-
lardi-Sacín et al., 2009). EDM bertujuan untuk menambah model pembelajaran siswa,
yang biasanya menunjukkan pengetahuan siswa saat ini serta sikap belajar mereka (Baker
et al., 2009).
EDM memungkinkan peneliti mengumpulkan data dari beragam pendidikan
lingkungan, menganalisis data, memahami tindakan dan perilaku siswa, dan menentukan
keberhasilan akademiknya (Whitley, 2018).
Kumpulan data pendidikan dianalisis oleh peneliti EDM dengan bantuan berbagai teknik
dari berbagai bidang. Faktanya, EDM melibatkan berbagai disiplin ilmu DM, termasuk Soft
computing (Mitra dan Acharya, 2005), Machine learning (Witten et al., 2017), Statistics (Hill
et al., 2006), Probability (Karegar et al., 2006). , 2008), Bahasa alami (McCarthy dan
Boonthum-Denecke, 2011), dan Kecerdasan Buatan (Bhattacharyya dan Hazarika, 2006).
Selain disiplin ilmu tersebut, peneliti juga menggunakan Sistem Basis Data dan Sistem
Rekomendasi (Bousbia dan Belamri, 2014). Mereka menerapkan berbagai alat, teknik,
algoritma, dan desain penelitian pada kumpulan data pendidikan dan menyarankan
perbaikan terkait pembelajaran pada lembaga pendidikan. Orientasi utama dalam EDM
adalah pada perancangan metode, model, algoritma dan tugas yang dapat memudahkan
peneliti dalam menganalisis data yang diperoleh dari lingkungan pendidikan (Pena-Ayala, ˜
2014). Itu
Gambar 3. Komponen 'Ekstraksi Pengetahuan' dari EDM.
3
Jurnal Internasional Perkembangan Pendidikan 101 (2023) 102814
analisis data pendidikan dapat bermanfaat bagi siswa, pendidik, dan juga administrator
karena dapat membantu mereka memahami proses pembelajaran dan bekerja sama untuk
memperbaikinya (Baker, 2015).
2.1.2. Sumber dan jenis data yang digunakan dalam EDM
Dalam sistem e-learning, data pendidikan yang diperoleh peneliti EDM untuk dianalisis
adalah data yang tersedia dari berbagai sumber (Romero et al., 2010), beberapa di
antaranya ditunjukkan pada Gambar 4.
Secara umum, beragam konteks pembelajaran yang umumnya dianggap sebagai
sumber penting pembuatan data dalam e-learning adalah Pendidikan berbasis komputer,
Sistem Manajemen Pembelajaran, Sistem Bimbingan Belajar Cerdas, Pengaturan
Pendidikan Interaktif, Sistem Hypermedia Cerdas Adaptif, aktivitas pembelajaran sarat data
seperti kuis , dan permainan edukatif. Data yang diperoleh dari konteks pembelajaran yang
berbeda, seperti disebutkan pada Gambar 5, dapat dievaluasi oleh peneliti EDM untuk
menawarkan solusi atas pertanyaan yang berkaitan dengan bahasa, motivasi, wacana
sosial, dll (Koedinger et al., 2015). Data ini dapat memfasilitasi analis, peneliti dan akademisi
dalam meningkatkan lingkungan e-learning sehingga dapat meningkatkan proses belajar-
mengajar (Khanna et al., 2016). Beragamnya aspek proses e-learning dapat berkontribusi
pada menghasilkan berbagai jenis dan kategori data.
Penggunaan teknik EDM dapat membantu peneliti dalam memperkecil data pendidikan
yang sangat besar menjadi informasi yang berharga (Baritchi, 2004). Dengan menganalisis
data pendidikan, peneliti dapat memperoleh pola/tren yang bermanfaat dari kumpulan data
yang sangat besar (Bharati dan Ramageri, 2010), menemukan pola unik yang sebelumnya
tidak diketahui (Qureshi et al., 2013), dan menemukan pola yang tidak teridentifikasi dalam
perilaku siswa (Janczewski dan Colarik, 2007). Dengan menggunakan teknik EDM, peneliti
dapat menawarkan solusi potensial terhadap sejumlah permasalahan terkait pendidikan
yang terkait dengan prediksi penerimaan siswa dalam suatu program pembelajaran,
penyusunan silabus, perkiraan keberhasilan siswa dengan materi pelajaran, identifikasi
pola pembelajaran, dan pemahaman perilaku siswa ( Kumar dan Chadha, 2011).
2.1.3. Teknik penambangan data pendidikan Teknik
EDM adalah metode berbeda yang digunakan peneliti untuk menggali pengetahuan
dari kumpulan data pendidikan. Teknik-teknik ini sering kali tumpang tindih dengan bidang
lain seperti pembelajaran mesin, jaringan saraf, visualisasi data, pengenalan pola, dan
perolehan pengetahuan (Sumathi dan Sivanandam, 2006). Penerapan berbagai teknik pada
data pendidikan memungkinkan peneliti membantu institusi mengidentifikasi kebutuhan
pembelajaran prioritas dari berbagai kelompok siswa, mengenali pelajar yang berisiko,
menganalisis kinerja siswa dan institusi, dan mengoptimalkan sumber daya pembelajaran
(Algarni, 2016) . Penggunaan teknik EDM menjadi semakin penting dalam beberapa tahun
terakhir karena akuntabilitas keberhasilan siswa sebagian besar terletak pada lembaga
pendidikan (Campbell et al., 2007). Penerapan teknik EDM dapat memainkan peran
penting dalam mentransformasikan model pengajaran dan pembelajaran saat ini (Brown et
al.,
Machine Translated by Google
K. Aulakh dkk.
Gambar 4. Sistem pendidikan yang menyumbangkan data untuk analisis.
Gambar 5. Jenis data yang digunakan untuk Educational Data Mining.
2015). Teknik-teknik tersebut memfasilitasi pengumpulan dan analisis data
pendidikan dan membantu para peneliti dalam menemukan informasi, hubungan,
dan tren
¨ terkait pembelajaran terkini yang belum ditemukan sebelumnya (ZoriA et
al., 2020). Dengan menggunakan teknik EDM, peneliti dapat mempelajari proses
pembelajaran secara mendalam dan memberikan saran yang berguna berkaitan
dengan peningkatan kinerja siswa, pemilihan mata kuliah oleh siswa, retensi
siswa, dan pengaturan keuangan lembaga pendidikan (Goyal dan Vohra , 2012).
Ada sejumlah teknik yang dapat diterapkan pada data pendidikan, bergantung
pada tugas yang telah ditentukan sebelumnya dari proses penambangan data
tertentu. Secara umum, ada empat tugas penambangan data: Prediksi, untuk
memperkirakan kinerja siswa (S¸ en et al., 2012); Klasifikasi, untuk mengkategorikan
data ke dalam kelompok-kelompok tetap (Nisbet et al., 2009); Clustering, untuk
mengelompokkan objek-objek serupa (Larose dan Larose, 2014); dan Asosiasi,
untuk menemukan hubungan yang menarik antar variabel data yang berbeda
(Raval, 2012). Selain itu teknik Regresi juga banyak digunakan oleh para peneliti
EDM. Tabel 1 merangkum secara singkat teknik EDM yang umum dan skenario
penerapannya.
Peneliti EDM dapat menggunakan satu — atau kombinasi — teknik untuk
menganalisis kumpulan data pendidikan, bergantung pada tujuan penelitiannya.
Pilihan teknik tertentu sebagian besar ditentukan oleh sudut pandang peneliti
mengenai aspek pendidikan tertentu (Hanna, 2004).
Penggunaan berbagai teknik memungkinkan peneliti untuk menawarkan wawasan
4
Jurnal Internasional Perkembangan Pendidikan 101 (2023) 102814
guru dan administrator untuk tujuan melacak kemajuan akademis siswa dan
mengevaluasi efektivitas praktik pengajaran yang berbeda (Hamilton et al., 2009).
Teknik EDM dapat membuka jalan bagi optimalisasi kemahiran institusional, dan
meningkatkan hasil pembelajaran dengan menawarkan lingkungan belajar yang
dipersonalisasi, interaktif dan adaptif bagi siswa (Papamitsiou dan Economides,
2014). Teknik EDM dapat menjadi metode yang ampuh untuk menilai apakah
materi pembelajaran membuat siswa tetap tertarik dengan pembelajaran (Cocea
dan Weibelzahl, 2009). Pengetahuan yang diperoleh peneliti EDM melalui
penggunaan berbagai teknik dapat bermanfaat untuk menilai kemajuan akademik
siswa, penggunaan metode pengajaran inovatif oleh guru/instruktur, dan proses
pengambilan keputusan perencana akademik yang berpusat pada pendidikan
(Jacob et al., 2015).
2.2. E-pembelajaran
Istilah 'e-learning', pertama kali digunakan pada tahun 1998, mengacu pada
sistem pembelajaran berbantuan teknologi yang umumnya dikenal sebagai
pembelajaran berbasis web atau pembelajaran berbasis Internet. Ini adalah
lingkungan pembelajaran zaman baru di mana berbagai jenis materi pembelajaran
dan teknologi digital digunakan untuk menyediakan lingkungan pendidikan yang
disesuaikan, berfokus pada pembelajar, dan interaktif kepada siswa ( Rodrigues
et al., 2019). Oleh karena itu, lingkungan e-learning merupakan kombinasi dari keduanya
Machine Translated by Google

K. Aulakh dkk. Jurnal Internasional Perkembangan Pendidikan 101 (2023) 102814

`
Tabel 1 kelompok (Sangra dkk., 2012):
Pemandangan aplikasi EDM dan teknik yang digunakan.

Skenario Aplikasi Penambangan Data Pendidikan Teknik Umumnya • Sistem pembelajaran yang digerakkan oleh
Digunakan teknologi • Sistem pembelajaran yang melibatkan komunikasi dan
Ramalan interaktivitas • Sistem pembelajaran yang berpusat pada
Prediksi prestasi/nilai siswa;
memahami perilaku siswa sistem penyampaian • Sistem pembelajaran yang berorientasi pada model pendidikan.

• Pohon Keputusan
E-learning, selama bertahun-tahun, telah menjadi tren yang berkembang pesat
Algoritma •
dalam pendidikan (Wang, 2003). Ini adalah salah satu penerapan teknologi digital
Vektor Pendukung
Mesin yang paling penting dalam lingkungan pembelajaran (Rakic et al., 2020).
• Jaringan syaraf E-learning adalah proses pengajaran dan pembelajaran online melalui teknologi
Kategorisasi dan profiling siswa; mencari tahu gaya/preferensi Klasifikasi jaringan, menandai respon yang sangat kuat terhadap kebutuhan pendidikan yang
belajar mereka
terus meningkat (Zhang et al., 2004). Sistem e-learning menawarkan beragam
• Pohon keputusan multimedia dan sumber daya pendidikan interaktif yang dapat berkontribusi pada
• K-tetangga terdekat • perancangan lingkungan pendidikan yang sesuai bagi siswa dalam berbagai situasi
Analisis statistik • (Haughey et al., 2008; Bates, 2008; Cleveland-Innes dan Garrison, 2010). Modus
Klasifikasi Bayesian • Metode penyampaian pendidikan melalui e-learning dapat menghasilkan hasil pembelajaran
berbasis aturan • Jaringan
Syaraf Tiruan •
yang hampir sama – umumnya dinilai dalam nilai atau nilai – bagi siswa seperti sistem
Penalaran berbasis kelas tradisional (Russell, 2001). Secara keseluruhan, e-learning dapat membuat
memori • proses pendidikan lebih cepat dan efektif dibandingkan metode pengajaran di kelas
Mendukung mesin tradisional.
vektor
Pengelompokan siswa menurut pengetahuan dan Kekelompokan
isi-
pola interaksi; pengelompokan materi pelajaran yang 2.2.1. Peran guru dalam lingkungan e-learning Era digital
serupa telah membawa kemajuan pesat dalam penggunaan teknologi informasi dan
• K-means •
komunikasi, yang menyebabkan terjadinya transformasi penting dalam sistem
K-medoids •
Pengelompokan
pendidikan di seluruh dunia (Arinto, 2016). Munculnya konsep e-learning telah
probabilistik
membawa perubahan penting dalam peran guru dibandingkan dengan sistem
• Algoritma relokasi • pembelajaran di kelas tradisional. Tanggung jawab guru telah berkembang dari
Algoritma aglomerasi sekadar penyalur pengetahuan menjadi kurator ruang inovatif di mana siswa dapat
• Algoritma
mengeksplorasi pengetahuan (Siemens, 2008). Berbeda dengan metode pendidikan
pemecah belah • Fungsi
sebelumnya yang transmisi pengetahuannya berpusat pada guru, sistem pendidikan
kepadatan
Pengelompokan baru ini berfokus pada metode pembangkitan pengetahuan yang berpusat pada siswa
• Berbasis kepadatan (Armellini dan Jones, 2008; Swan, 2020). Hal ini terjadi karena lingkungan e-learning
Konektivitas melibatkan ketersediaan informasi dalam jumlah besar yang tersebar luas yang
Kajian hubungan pola tingkah laku siswa; mengidentifikasi Penambangan Hubungan
mendasari berbagai interaksi siswa-guru yang terus-menerus dihasilkan dalam
permasalahan dalam pengajaran • Penambangan Data
Santai • Penambangan lingkungan pendidikan (Abd Elaal, 2013). Oleh karena itu, terdapat penekanan yang
aturan lebih besar pada peran guru dalam hal merancang lingkungan pembelajaran yang
asosiasi • Pola Sekuensial kondusif terhadap kebutuhan siswa (Anderson, 2004; Bennett et al., 2009).

Penambangan • Penambangan Korelasi

Prediksi nilai numerik (nilai kontinu) pada a Regresi •
kumpulan data tertentu, untuk analisis hubungan variabel Regresi Linier • Regresi
terikat dan variabel bebas Logistik • Polinomial
Regresi
konsep-konsep kunci (i) pembelajaran; dan (ii) teknologi. E-learning adalah salah satu
dari beberapa sistem pembelajaran berbantuan teknologi — selain pembelajaran
virtual, m-learning, dll. — di mana pemanfaatan metode komputerisasi
dikonseptualisasikan dengan tujuan memfasilitasi proses belajar-mengajar (Aparicio
et al., 2016 ) . Metodologi e-learning memfasilitasi berbagai jenis interaksi dan
percakapan yang memungkinkan hubungan erat antara guru dan siswa (Calvert,
2005).
E-learning ditujukan untuk menawarkan jaringan pendidikan yang dapat dikonfigurasi
dimana materi pembelajaran, instrumen pembelajaran dan layanan pengajaran
digabungkan menjadi satu solusi berbeda untuk menciptakan dan menyampaikan
konten pendidikan atau pelatihan dengan cara yang cepat, efektif dan ekonomis (Ong
et al . , 2004). Dalam sistem pendidikan e-learning, pengetahuan tersedia untuk
semua peserta didik tanpa ada keganjilan yang terkait dengan batasan waktu atau
lokasi geografis (Sun et al., 2008). Faktanya, manfaat terbesar dari e-learning adalah
model pembelajaran berbantuan teknologi memastikan bahwa batasan waktu dan
ruang tidak berdampak pada interaksi siswa-siswa dan komunikasi siswa-guru (Katz,
2002) . Berdasarkan definisinya yang berbeda-beda, konsep e-learning secara garis
besar dapat dikategorikan sebagai berikut
Siswa generasi sekarang dapat secara aktif mengambil manfaat dari lingkungan
e-learning karena kemampuan mereka untuk berinteraksi dengan berbagai bentuk
teknologi untuk beragam tujuan (Vai dan Sosulski, 2011; Ko dan Rossen, 2017;
Sahoo et al., 2020 ). Oleh karena itu, karena meluasnya penggunaan sistem e-learning
akhir-akhir ini, guru harus memikul tanggung jawab besar dalam pengembangan
pembelajaran yang perlu dirumuskan ulang sesuai dengan penggunaan teknologi
dalam pendidikan (Abrioux, 2001) . Guru harus menyesuaikan metode pengajaran
mereka dengan lingkungan e-learning modern di mana kursus pembelajaran lebih
banyak didasarkan pada sumber daya (Naidu, 2007) atau dialog online (Jara dan
Mohamad, 2007). Guru diharapkan berperan lebih proaktif dalam lingkungan e-
learning, sehingga layanan pendidikan digital dapat ditingkatkan dan jangkauan
layanan tersebut dapat diperluas ke seluruh siswa di masa depan (Falakmasir dan
Habibi, 2010).
Keterlibatan siswa dengan materi e-learning yang ditawarkan oleh lembaga
pendidikan telah menjadi faktor penting untuk meningkatkan peluang keberhasilan
akademik siswa. Kemajuan teknologi telah memungkinkan guru untuk mengelola
kursus online untuk peserta didik dengan menggunakan platform online seperti Google
Classroom, Udemy, dll. Dengan saluran digital yang memungkinkan guru untuk
menyampaikan materi pelajaran kepada siswanya, penggunaan Sistem Manajemen
Pembelajaran telah menjadi hal yang penting. cukup umum. Penggunaan platform
online dan teknologi lainnya oleh guru telah memberikan siswa keuntungan dalam
mengakses materi pembelajaran dari mana saja, di perangkat apa pun yang
tersambung ke Internet, seperti perangkat pribadi.

5
Machine Translated by Google
K. Aulakh dkk.
komputer, laptop, smartphone, dll. Akses online terhadap materi pelajaran secara
online ini telah menjadi penyelamat nyata bagi sistem pendidikan selama pandemi
Covid-19.
2.2.2. Tren terkini dalam E-learning
Munculnya beragam skenario e-learning dan pesatnya perluasan konten e-learning
telah menandai munculnya tren e-learning berbasis teknologi baru, seperti yang
diilustrasikan pada Gambar 6. Beberapa tren ini, seperti pembelajaran seluler, sudah
ada. dimasukkan dalam proses e-learning. Namun, beberapa tren baru, seperti
penggunaan Augmented Reality dan Virtual Reality, merupakan tren futuristik yang
diperkirakan akan mulai berkembang di tahun-tahun mendatang. Selain itu, teknologi
baru seperti Internet of Things (IoT) juga menandai kemajuan teknologi yang signifikan
di bidang e-learning (Soni, 2019). Ada fokus besar pada bagaimana IoT dapat
diterapkan pada e-learning (Priatna et al., 2020), dan juga memanfaatkan IoT untuk
meningkatkan hasil pembelajaran siswa (Kassab et al., 2020). Selain IoT, teknologi
lain yang dapat diterapkan secara luas dalam e-learning adalah komputasi awan yang
tampaknya akan meningkatkan efisiensi proses e-learning karena keunggulan
penyimpanan cloud (Malhi et al., 2020). Kecerdasan Buatan adalah teknologi modern
lainnya yang dapat berkontribusi besar terhadap transisi ke e-learning (El Gourari et
al., 2020) dan sistem pembelajaran yang lebih personal bagi siswa, terutama setelah
pandemi Covid.
Tren terkini dalam e-learning sebagian besar ditujukan pada identifikasi ruang
konten pembelajaran, pengembangan konten e-learning baru dan personalisasi konten
pembelajaran untuk pembelajar generasi baru.
2.3. Penerapan data mining pendidikan ke e-learning
Peneliti dapat menerapkan berbagai teknik EDM pada skenario e-learning untuk
menganalisis kumpulan data pendidikan dari perspektif peningkatan proses pendidikan
di era digital. Dari sudut pandang praktis, peneliti dapat menggunakan informasi
berharga dari data pembelajaran siswa untuk menilai lingkungan pendidikan,
merekomendasikan perbaikan kualitatif pada sistem pengajaran, dan meletakkan
dasar untuk proses pembelajaran yang lebih baik (Romero et al., 2004) . . Penerapan
Gambar 6. Tren E-learning terkini.
6
Jurnal Internasional Perkembangan Pendidikan 101 (2023) 102814
Metodologi EDM untuk e-learning mencakup beberapa tugas khusus, seperti evaluasi
kinerja belajar siswa,
mempersonalisasi pembelajaran siswa melalui penyesuaian kursus dan saran
pembelajaran, menilai konten pembelajaran online, dan mengembangkan model yang
sesuai untuk memahami perilaku belajar siswa dalam kursus e-learning (Castro et al.,
2007).
Dari perspektif fungsional, beberapa bidang penerapan EDM pada lingkungan e-
learning mencakup identifikasi keluhan siswa, analisis tingkat putus sekolah siswa,
dan penilaian komprehensif terhadap kinerja siswa dan guru (Ali, 2013) . Sedangkan
untuk pendidikan tinggi, bidang penerapan utama EDM adalah: peramalan kinerja
siswa, evaluasi pembelajaran siswa, dan memfasilitasi pekerjaan pengajaran dan
penelitian (Ray dan Saeed, 2018). Secara garis besar, ada empat area utama
penerapan EDM dalam e-learning (Prabha dan Shanavas, 2014), seperti yang
diilustrasikan pada Gambar 7.
Secara keseluruhan, terdapat beragam penerapan EDM dalam e-learning untuk
meningkatkan proses belajar mengajar selaras dengan kebutuhan siswa.
3. Tinjauan Pustaka
Untuk menyusun tinjauan literatur penerapan EDM pada e-learning, dipilih
beberapa makalah penelitian relevan yang diterbitkan antara tahun 2015 dan 2020.
Namun, beberapa makalah dari tahun-tahun sebelumnya dan awal tahun 2021 juga
dimasukkan karena signifikansinya terhadap topik dan implikasinya terhadap e-
learning. Kata-kata yang termasuk dalam permintaan pencarian adalah: 'Aplikasi
penambangan data pendidikan pada e-learning'; 'Teknik penambangan data
pendidikan dan e-learning'; 'Penggalian data pendidikan dan prediksi kinerja siswa
dalam e-learning;' dan 'pembelajaran daring di masa pandemi Covid-19.'.
Survei literatur telah dibagi menjadi tiga bagian, berdasarkan pengelompokan
makalah relevan yang diterbitkan. Bagian pertama mencakup makalah terkait
penggunaan EDM dalam e-learning secara umum; bagian kedua mencakup makalah
yang berkaitan dengan penggunaan EDM untuk prediksi kinerja siswa dalam sistem e-
learning; dan bagian ketiga memuat makalah terkait kajian dampak pandemi Covid-19
terhadap lingkungan e-learning. Kriteria pemilihan dan pengelompokan makalah untuk
dua bagian pertama
Machine Translated by Google
K. Aulakh dkk.
Gambar 7. Area utama penerapan Data Mining Pendidikan dalam E-learning.
adalah bahwa makalah tersebut melibatkan penggunaan teknik EDM yang berbeda
untuk e-learning atau menyajikan beberapa pendekatan spesifik untuk meningkatkan
sistem e-learning. Makalah diulas di bagian ketiga. Bagian ini
terutama berkaitan dengan analisis lingkungan e-learning selama pandemi Covid-19.
3.1. Penggunaan metodologi penambangan data pendidikan dalam
lingkungan e-learning
Cakupan penyelesaian beragam masalah yang berpusat pada pendidikan melalui
penggunaan EDM pada data pendidikan telah disurvei oleh (Ganesh dan Christy, 2015).
Teknik EDM diterapkan oleh (Gushchina dan Ochepovsky, 2020) pada sistem e-
learning dengan tujuan untuk memahami perilaku siswa dan tingkat minat mereka
terhadap konten pendidikan.
Sistem e-learning untuk mengatasi tantangan terkait platform e-learning telah
diusulkan oleh (Appalla et al., 2017), berdasarkan tantangan umum yang menghambat
efektivitas sistem e-learning dan penyampaian materi pendidikan yang dipersonalisasi
kepada siswa .
Penilaian keterlibatan siswa dalam sistem pendidikan yang dimediasi teknologi
dilakukan oleh (Henrie et al., 2015) dengan bantuan berbagai langkah evaluasi
keterlibatan siswa, seperti survei dan metode laporan mandiri kuantitatif lainnya, serta
observasional.
Pengukuran.
Sebuah studi kasus untuk meningkatkan sistem e-learning disajikan oleh (Jovanovic
et al., 2012), yang menggunakan data mining pada kumpulan data pendidikan yang
berkaitan dengan perilaku siswa dan gaya kognitif.
Efektivitas kursus berbasis web dan sistem e-learning untuk meningkatkan
pengalaman belajar siswa secara keseluruhan dipelajari oleh (Ashraf dan Khan, 2017)
untuk menyoroti bahwa sistem e-learning dapat meningkatkan kemampuan belajar
mandiri siswa.
Pemahaman e-learning dari sudut pandang kesinambungan waktu sebagai
karakteristik yang berbeda telah dicoba oleh (Wan dan Niu, 2019), yang menyoroti
kelangkaan informasi akut yang dihadapi oleh sistem e-learning.
Penerapan EDM untuk mengevaluasi perilaku siswa menggunakan platform
pembelajaran online telah dibahas oleh (Jie et al., 2017), yang menggunakan teknik dan
algoritma EDM untuk menganalisis perilaku belajar siswa berdasarkan data terkait
perilaku pendaratan siswa dan perilaku eksplorasi sumber daya.
Konsep inti EDM, Big Data dalam Pendidikan, dan online
7
Jurnal Internasional Perkembangan Pendidikan 101 (2023) 102814
platform pembelajaran dipelajari oleh (Zhang dan Qin, 2018), yang menguraikan
bagaimana data mentah pendidikan dapat diubah menjadi pengetahuan dengan bantuan
teknik EDM.
Integrasi metodologi pembelajaran seluler ke dalam sistem e-learning dipelajari oleh
(El-Sofany dan El-Haggar, 2020) untuk fokus pada efektivitas metode pembelajaran
seluler dalam lingkungan e-learning untuk meningkatkan hasil belajar siswa.
Pembelajaran mandiri berbantuan teknologi dibahas oleh (Alti-mari et al., 2012),
dengan fokus pada objek pembelajaran dan integrasi unit konten yang digunakan
berulang kali ke dalam jalur pembelajaran siswa yang dipersonalisasi.
E-learning dan tingkat keterlibatan siswa dalam berbagai platform pembelajaran
online pendidikan tinggi dipelajari oleh (Grubiÿsi´c et al., 2020) untuk melacak aktivitas
belajar siswa dan pengetahuan siswa.
Singkatnya, makalah penelitian yang diulas di bagian ini menyoroti fakta bahwa
meskipun EDM adalah domain penelitian yang cukup baru, upaya para peneliti untuk
menganalisis data pendidikan untuk meningkatkan sistem e-learning sudah cukup
signifikan. Popularitas sistem e-learning telah meningkat berkali-kali lipat dalam rentang
waktu singkat karena keunggulan 'adaptif' yang telah mengubah proses pembelajaran
bagi siswa.
Terdapat juga perluasan database informasi siswa secara besar-besaran karena
pertumbuhan yang luar biasa dalam ketersediaan sumber daya pendidikan online.
Peneliti dapat menggali pengetahuan berharga dari kumpulan data pendidikan dan
memfasilitasi proses pengambilan keputusan di lembaga pendidikan.
3.2. Penerapan teknik penambangan data pendidikan untuk memprediksi kinerja siswa
Dalam penelitian terkait e-learning, upaya dilakukan oleh (Daghestani et al., 2020)
untuk mengukur dampak materi pembelajaran dengan keterlibatan siswa, dengan
menarik perhatian pada konsep Kecerdasan Buatan untuk memberikan prospek baru
dalam membuat e-learning. belajar lebih efektif.
Pendekatan baru penerapan EDM untuk memahami kinerja siswa di lingkungan e-
learning telah disajikan oleh (Injadat et al., 2020), yang mempelajari penggunaan
berbagai teknik untuk memperkirakan kinerja siswa guna mendukung kemajuan
akademik mereka.
EDM telah dijelaskan oleh (Rawat dan Malhan, 2019) sebagai praktik di mana
informasi berguna diperoleh secara otomatis dan disegmentasi dari sumber data
pendidikan, dan algoritma digunakan untuk prediksi kinerja siswa.
Sebuah studi tentang penggunaan teknik penambangan data yang diawasi untuk memahami
Machine Translated by Google
K. Aulakh dkk.
interaksi lingkungan belajar siswa dan kinerja mereka dalam ujian
dilakukan oleh (Tomasevic et al., 2020).
Pendekatan dan penerapan EDM yang berbeda dipelajari oleh (Kaur
dan Bathla, 2018) dari konteks prediksi kinerja siswa setelah menganalisis
tren dan pola tersembunyi dalam kumpulan data pendidikan yang sangat
banyak.
Tabel
2 Ringkasan teknik/pendekatan EDM disajikan.
Nama kertas
Sistem rekomendasi untuk memprediksi
kinerja siswa
Penulisan kursus elektronik adaptif yang
dibimbing dalam lingkungan belajar pribadi:
silabus dinamis dan pendekatan
perakitan dinamis
Menggunakan data mining pada data perilaku
siswa dan gaya kognitif untuk meningkatkan
sistem e-learning: studi kasus
Analisis faktor penentu
kinerja siswa dalam e-learning
Penerapan data pendidikan
pertambangan: survei
Pendekatan penambangan data pendidikan
yang efisien untuk mendukung e-learning
Efektivitas Penambangan Data
Pendekatan Sistem E-Learning: A
Survei
Penerapan data mining pendidikan pada analisis
perilaku belajar online siswa
Prediksi kinerja siswa menggunakan teknik data
mining pendidikan
Integrasi pendekatan clustering data mining
dalam sistem E-learning yang dipersonalisasi
Analisis singkat tentang teknologi utama dan
aplikasi penambangan data pendidikan pada
platform pembelajaran online
Evaluasi kinerja siswa di
platform e-pembelajaran
Rekomendasi e-learning hybrid
pendekatan berdasarkan propagasi pengaruh
peserta didik
Mengadaptasi sistem pembelajaran gamified
menggunakan teknik data mining
pendidikan
Efektivitas penggunaan teknik mobile
learning untuk meningkatkan hasil belajar
pada perguruan tinggi
Penambangan data perilaku siswa dalam sistem
E-learning
Model umum untuk melacak pembelajaran siswa
dan perolehan pengetahuan di berbagai platform
e-Learning
Pemilihan model ansambel yang sistematis
pendekatan untuk penambangan data pendidikan
Ikhtisar dan perbandingan
teknik penambangan data yang diawasi untuk
prediksi kinerja ujian siswa
Nomor referensi.
(Thai-Nghe dkk., 2010)
(Altimari et al., 2012) Untuk mempelajari bagaimana Objek Pembelajaran
(Jovanovic dkk., 2012)
(Castillo-Merino dan
´
Serradell-Lopez,
2014)
(Ganesh dan Christy,
2015)
(Appalla dkk., 2017)
(Ashraf dan Khan,
2017)
(Jie dkk., 2017)
(Kaur dan Bathla,
2018)
(Kausar dkk., 2018)
(Zhang dan Qin,
2018)
(Rakic dkk., 2019)
(Wan dan Niu, 2019)
(Daghestani dkk., 2020)
(El-Sofany dan
El-Haggar, 2020)
(Gushchina dan
Ochepovsky, 2020)
(Grubiÿsi´c et al., 2020) Untuk melacak aktivitas belajar siswa dan
(Injadat dkk., 2020)
(Tomasevic dkk., 2020)
Perkembangan pesat dalam EDM dan Analisis Pembelajaran telah
disorot oleh (Kausar et al., 2018) yang berfokus pada integrasi teknik EDM
dalam sistem e-learning yang dipersonalisasi, dan menggarisbawahi
kebutuhan untuk memperoleh informasi berharga dalam sistem adaptif.
cara dari data pendidikan.
Penerapan sistem Rekomendasi dalam e-learning adalah
Tujuan
Untuk memprediksi kinerja siswa
dalam skenario e-learning
dapat diubah menjadi unit konten
untuk penggunaan berulang bagi
siswa
Untuk menganalisis perilaku siswa
dan gaya kognitif
Untuk mempelajari faktor-faktor
kunci yang mempengaruhi kinerja
siswa dalam sistem e-learning
Untuk mengidentifikasi algoritma
dengan keandalan tinggi untuk penelitian
EDM di masa depan
Untuk memahami alasan
ketidakefektifan sistem e-learning
Untuk mempelajari bagaimana
pendekatan data mining yang
berkontribusi terhadap peningkatan
lingkungan e-learning
Untuk mengevaluasi perilaku
siswa menggunakan platform
pembelajaran online
Untuk menerapkan teknik EDM untuk
memprediksi kinerja siswa
dan perilaku belajar
Untuk menyoroti perkembangan
pesat dalam EDM dan
Bidang Analisis Pembelajaran
Untuk memperkenalkan konsep inti
EDM, Big Data dalam Pendidikan,
dan platform pembelajaran online
Untuk mengeksplorasi penilaian
kinerja siswa pada platform e-
learning
Untuk fokus pada kesinambungan
waktu dan kelangkaan informasi
yang dihadapi oleh sistem e-learning
Untuk mengukur dampak materi
pembelajaran dengan
keterlibatan siswa
Untuk mengukur efektivitas
penggunaan metode pembelajaran
seluler di lingkungan e-learning
Untuk memahami perilaku
belajar siswa
pengetahuan siswa Untuk
memahami
kinerja siswa dalam
lingkungan e-learning
Untuk mempelajari interaksi
lingkungan belajar siswa dan kinerja
mereka dalam ujian
8
Jurnal Internasional Perkembangan Pendidikan 101 (2023) 102814
Teknik/Pendekatan
Penerapan sistem Rekomendasi
dalam e-learning
Mengusulkan Pembelajaran Pribadi yang
adaptif dan berpusat pada pelajar
Lingkungan Hidup (PerLE)
Pengelompokan, Klasifikasi
Menggunakan data dari
sistem eksperimental
yang dibuat sebagai bagian dari proyek
eLene-EE
Evaluasi algoritma clustering dan
klasifikasi
Sistem e-learning yang diusulkan
menggunakan lima langkah input
pengetahuan
Sistem Adaptif Cerdas
Studi data log yang dihasilkan
dirancang secara khusus
Platform Pembelajaran Otonom
Naive Bayes dan Dukungan
Teknik Mesin Vektor
Pendekatan untuk mengintegrasikan
Teknik clustering dalam
sistem e-learning yang dipersonalisasi
Klasifikasi teknologi penambangan data
penting
K-means Clustering, Linear
Regresi, dan Jejaring Sosial
Analisis
Pendekatan rekomendasi
Penyaringan Hibrid yang diusulkan
Mengusulkan Gamifikasi Adaptif
Sistem Pembelajaran (AGLS)
Integrasi metodologi mobile-learning
ke dalam sistem e-learning
Metode analisis cluster, V-fold cross-
checking, analisis data dan visualisasi
Mengusulkan model yang ditujukan
Melacak Pembelajaran Siswa dan
Pengetahuan (TSLAK)
KNN, Hutan Acak, SVM,
Naïve Bayes, LR dan Multi-
Persepsi Lapisan
Pendekatan berbasis model,
Pendekatan berbasis kesamaan
Hasil
Hasil prediksi kinerja siswa lebih baik dibandingkan
dengan teknik regresi konvensional
Pembelajaran berbantuan teknologi dapat
ditingkatkan dengan mengintegrasikan secara
dinamis unit konten yang dapat digunakan
kembali ke dalam jalur pembelajaran pribadi siswa
Fokus pada prapemrosesan data,
pemilihan atribut, dan optimalisasi parameter
dapat meningkatkan kinerja siswa
Motivasi adalah variabel paling signifikan
yang mempengaruhi kinerja siswa dan efisiensi
belajar dalam pengaturan e-learning
Menyarankan arah potensial untuk EDM di masa
depan
Sistem e-learning yang diusulkan mengatasi
tantangan yang berkaitan dengan platform e-
learning
Peningkatan dalam lingkungan e-learning
kehidupan nyata
Konten pengajaran harus diatur sesuai dengan
perilaku belajar siswa untuk mengoptimalkan
strategi pengajaran
Penggunaan algoritma DM secara ekstensif
sangat penting untuk tujuan pengambilan
keputusan dan analisis siswa dari berbagai
aspek
Identifikasi lingkungan pendidikan terbaik bagi
siswa untuk meningkatkan kemampuan belajar
mereka
Memberikan arahan untuk penelitian di masa
depan karena Big Data dapat memberikan
dampak besar pada pendidikan online
Keberhasilan siswa sangat dipengaruhi oleh
konten pembelajaran digital di platform e-
learning
Rekomendasi yang dipersonalisasi dan
beragam dapat membuat sistem e-
learning lebih efisien dan dapat disesuaikan
dengan kebutuhan siswa
Kecerdasan Buatan (AI) dapat menjadikan e-
learning lebih efektif dengan meningkatkan
keterlibatan siswa dan kinerja pembelajaran
Metode pembelajaran seluler menawarkan
fleksibilitas yang lebih besar kepada siswa
untuk mengakses konten pendidikan
Mengukur tingkat minat siswa, mengevaluasi
kualitas materi pembelajaran
Mengevaluasi tingkat keterlibatan siswa dengan
kursus e-learning yang digunakan untuk pendidikan
tinggi
Prediksi kinerja siswa yang lebih akurat untuk
mendukung kemajuan akademiknya
Pendekatan probabilistik Memprediksi
kinerja ujian siswa dan memperkirakan
risiko putus sekolah serta prestasi siswa di
masa depan
Machine Translated by Google
K. Aulakh dkk.
dipertimbangkan oleh (Thai-Nghe et al., 2010) dengan fokus pada rekomendasi
buku, makalah, dan materi pendidikan lainnya kepada siswa dalam lingkungan e-
learning.
Perlunya penilaian kinerja siswa dalam platform e-learning telah disoroti oleh
(Rakic et al., 2019) yang menyebutkan manfaat platform e-learning dalam hal
fleksibilitas dalam pengajaran serta ketersediaan konten pembelajaran yang luas.
Faktor kunci yang mempengaruhi kinerja siswa dalam sistem e-learning telah
´
digarisbawahi oleh (Castillo-Merino dan Serradell-Lopez, 2014) yang mengatakan
bahwa kinerja siswa bergantung pada beberapa variabel, antara lain kemampuan
siswa, metode pengajaran dan teknologi yang digunakan oleh pendidik. , dan
tingkat adopsi teknologi di institusi.
Ringkasnya, dua bagian survei literatur ini menunjukkan bahwa para peneliti
berfokus pada prediksi kinerja siswa dengan memastikan fitur-fitur yang saling
berhubungan yang mempengaruhi kinerja. Survei ini menggarisbawahi perlunya
mendefinisikan, mengevaluasi dan membandingkan kinerja akademik siswa dalam
sistem e-learning dan metode pengajaran di kelas konvensional. Tinjauan tersebut
juga menunjukkan bahwa meluasnya penggunaan sistem e-learning mengharuskan
penerapan mekanisme yang lebih akurat untuk memprediksi kinerja siswa secara
dinamis.
Berdasarkan survei literatur dari makalah yang diterbitkan yang termasuk dalam
Bagian 3.1 dan 3.2, ringkasan metode EDM yang digunakan, atau pendekatan yang
disajikan, oleh para peneliti diberikan pada Tabel 2.
Tabel tersebut menunjukkan bahwa prestasi akademik siswa biasanya diprediksi
oleh peneliti dengan bantuan teknik EDM seperti Klasifikasi (Naive Bayes, K-
Nearest Neighbor, Random Forest); Pengelompokan (K-means); Prediksi (Mesin
Vektor Pendukung, Pohon Keputusan); Regresi dan Penambangan Hubungan.
Teknik-teknik ini banyak diterapkan oleh para peneliti untuk menganalisis lingkungan
e-learning (Silva et al., 2021); memahami perilaku belajar (Aguinis et al., 2021),
kinerja akademik (Wiliam dan Thompson, 2008) dan gaya belajar siswa (Dwivedi et
al., 2019) dan memberikan umpan balik kepada pemangku kepentingan e-learning
(Shvets et al. , 2020).
3.3. | Tinjauan lingkungan e-learning selama pandemi Covid-19
Persepsi global mengenai skenario e-learning selama lockdown akibat pandemi
Covid-19 telah disajikan oleh (Radha et al., 2020) dengan penekanan pada
peningkatan keterampilan belajar mandiri siswa terutama mereka yang akrab
dengan teknologi web.
Pendidikan online digambarkan oleh (Dhawan, 2020) sebagai obat mujarab
pembelajaran pada masa pandemi Covid-19 karena pandemi ini telah mengakibatkan
situasi di mana pemberian pendidikan online kepada siswa tidak lagi menjadi pilihan
bagi lembaga pendidikan; itu sudah menjadi sebuah kebutuhan.
Penegasan bahwa Internet memainkan peran kunci dalam mendukung proses
belajar-mengajar selama krisis pandemi telah dikemukakan oleh (Favale et al.,
2020) yang menekankan bahwa ketersediaan konektivitas Internet sangat penting
untuk mendukung proses belajar-mengajar selama krisis pandemi. pandemi.
Tingkat kepuasan siswa terhadap sistem e-learning selama pandemi telah
dipelajari oleh (Saxena et al., 2021) yang meneliti dampak krisis terhadap kualitas
proses e-learning berdasarkan faktor-faktor seperti konten Internet , daya tanggap,
jaminan, dan keandalan.
Kebutuhan untuk mengembangkan sistem e-learning yang efektif di tengah
pandemi Covid-19 telah digarisbawahi oleh (Ananga, 2020) yang mencatat bahwa
peningkatan pesat penggunaan Internet untuk pendidikan di seluruh dunia telah
menyoroti permintaan dan penawaran. dari materi pembelajaran.
Dalam beberapa makalah lain yang berkaitan dengan tinjauan e-learning selama
pandemi Covid-19, (Yildiz et al., 2020) menyoroti bahwa transisi ke pendidikan
online dan jarak jauh, pada umumnya, berdampak positif pada siswa. Sementara
itu,
Nikou dan Maslov (2021) berfokus pada persepsi kegunaan dan kenyamanan
sistem e-learning; (Tawafak et al., 2021) menekankan pada peningkatan niat
perilaku siswa untuk menggunakan teknologi e-learning karena dampak pandemi;
dan (Garad dkk., 2021)
9
Jurnal Internasional Perkembangan Pendidikan 101 (2023) 102814
menggarisbawahi peran penting infrastruktur e-learning dalam menjadikan
pembelajaran jarak jauh lebih efektif selama pandemi. Selain itu, (Wang et al.,
2021) menyoroti tujuan pembangunan berkelanjutan di bidang pendidikan akibat
dampak pandemi; (Zarei dan Mohammadi, 2021) mempelajari infrastruktur e-
learning dari perspektif negara maju dan berkembang; (Qiao et al., 2021)
menganalisis bagaimana program pembelajaran online dikembangkan/diadopsi
oleh institusi sebagai akibat dari Covid; dan (Rajab et al., 2020) menekankan
perlunya membuat sistem e-learning lebih efektif dengan memperluas jangkauan
teknologi kepada siswa.
Ringkasan tabel review makalah yang diterbitkan terkait kajian sistem e-learning
pada masa pandemi Covid disajikan pada Tabel 3.
Dengan merebaknya pandemi COVID-19, sistem layanan kesehatan di seluruh
dunia berada di bawah tekanan yang sangat besar. Pandemi ini berdampak pada
seluruh aspek kehidupan.
Beberapa makalah lain yang termasuk dalam penelitian ini menyelidiki
bagaimana kontinjensi mengganggu model teoritis yang ada dan konsekuensinya
terhadap pembelian online di era pasca-COVID-19. Selama krisis COVID-19,
pelanggan lebih memilih menggunakan aplikasi di situs web untuk pencarian dan
pembelian (Al Halbusi et al., 2022; Moradi et al., 2021).
Makalah ini membangun kembali dan membangun kebangkitan, para ahli,
profesional, dan akademisi harus mengevaluasi perubahan dalam prinsip-prinsip
dasar, asumsi utama, dan situasi organisasi bisnis terkait dengan industri jasa dan
kerangka praktik (Fu et al., 2021) .
Untuk mencapai pendidikan berkelanjutan, media sosial memainkan peran
penting dalam perilaku belajar mahasiswa. Dampak media sosial terhadap
pendidikan jangka panjang menjadi komponen penting dan memotivasi (Abbas et
al., 2019).
Penggunaan teknologi internet dan media sosial telah muncul sebagai instrumen
penting peradaban manusia, dan evolusi integrasi teknologi, dunia maya, dan
teknologi web telah menjadi praktik standar di lembaga pendidikan. Penggunaan
online di kalangan siswa menjadi penting dalam perilaku pembelajaran; namun,
penggunaan internet dan media sosial yang berlebihan menyebabkan kecanduan
internet (Khazaie et al., 2021).
Langkah pertama untuk memahami bagaimana pandemi COVID-19
memanfaatkan sumber pendanaan yang sudah tersedia dan jenis pengeluaran apa
yang diperlukan untuk mempersiapkan diri menghadapi pandemi berikutnya adalah
dengan mengidentifikasi berapa banyak dana yang telah dibelanjakan di sektor
kesehatan sebagai dampak dari pandemi ini. pandemi. Untuk memahami latar
belakang finansial dari pandemi ini dan skala relatif pergeseran pengeluaran yang
diperlukan untuk mencegah pandemi global berikutnya secara efektif, penting untuk
melihat pengeluaran kesehatan global pada awal pandemi (Micah et al . , 2023).
Munculnya epidemi COVID-19 telah memicu krisis global yang memaksa
penutupan lembaga-lembaga pendidikan di seluruh dunia.
Penelitian ini bermaksud untuk mengetahui faktor-faktor yang mempengaruhi niat
siswa untuk menggunakan layanan e-library selama pandemi COVID-19 yang sulit
(Rahmat et al., 2022).
Berdasarkan tinjauan tersebut, terlihat jelas bahwa dimensi pembelajaran
diperkirakan akan mengalami perubahan penting di masa depan, setelah pandemi
ini. Di satu sisi, sangatlah penting bagi institusi pendidikan untuk mengadopsi
teknologi baru dan menyediakan kerangka kerja digital yang baik untuk pendidikan,
sementara di sisi lain, siswa harus memiliki kemahiran dalam menggunakan alat-
alat teknologi pembelajaran – seperti komputer, perangkat seluler, Internet, dll. —
dan juga belajar berinteraksi secara efisien dengan alat-alat ini. Namun, akses
Internet yang universal dan terjangkau harus tersedia bagi siswa sehingga mereka
dapat memperoleh manfaat dari lingkungan pendidikan yang didukung teknologi.
4. Relevansi review dan implikasinya terhadap e-learning
4.1. Relevansi ulasan
Makalah tinjauan ini relevan di masa sekarang karena berfokus pada kebutuhan
untuk meningkatkan metode pendidikan e-learning agar selaras dengan era
perkembangan teknologi yang serba cepat. Relevansi review bisa lebih spesifik
Machine Translated by Google

K. Aulakh dkk.
Jurnal Internasional Perkembangan Pendidikan 101 (2023) 102814

Tabel 3 Tabel 3 (lanjutan )

Analisis lingkungan e-learning selama pandemi Covid-19. Nama Kertas Nomor referensi. Pengamatan Pandangan

Nama Kertas Nomor referensi. Pengamatan Pandangan tentang

peningkatan e-learning
tentang
peningkatan e-learning
kompetensi meningkatkan hibah dari
E-Learning selama (Radha dkk., Pandemi menjadikan e- E-learning dapat kognitif dalam efektivitas pembelajaran pemerintah,
lockdown 2020) learning sebagai meningkatkan efektivitas jarak jauh pelatihan
Pandemi bagian integral keterampilan belajar pembelajaran selama pandemi dan lokakarya
Covid-19: dari pendidikan mandiri siswa dan jarak jauh pada masa guru, dll.
Perspektif global sekolah/ kinerja pandemi covid-19
perguruan tinggi/universitas akademik mereka Dampak COVID-19 (Wang dkk., Pandemi terpaksa Sistem e-
Pembelajaran daring: (Dhawan, Pendidikan Perubahan terhadap pencapaian 2021) mendidik learning dapat
2020) institusi telah lingkungan tujuan lembaga-lembaga di ditingkatkan
Obat mujarab di
masa krisis COVID-19 mengalihkan fokus dari pendidikan seluruh dunia untuk dengan peningkatan
metode membawa pembangunan menyiapkan sistem e- fokus pada
pengajaran di kelas peluang dan tantangan berkelanjutan: learning dengan landasan perang siswa, guru,
tradisional ke baru bagi perbaikan E-learning dan rencana studi,
pendidikan sistem e- produktivitas pendidikan teknologi, dan lingkungan.
berbantuan teknologi perlengkapan
learning
Lalu lintas kampus dan e- (Favale dkk., Internet berperan Internet Tantangan terkait (Zarei dan E-learning menandai Negara-
Belajar selama 2020) penting dalam Kekokohan pendidikan tinggi Mohammadi, respons komprehensif negara maju punya
COVID 19 mendukung penting untuk untuk e-learning di 2021) sistem pendidikan infrastruktur e-learning

pandemi proses keberhasilan negara-negara terhadap pandemi ini yang lebih

pendidikan di pengelolaan proses berkembang selama maju dibandingkan

masa pandemi e-learning Penyebaran COVID-19: negara-negara

Pedagogis (Ananga, Permintaan dan Institusi adalah tinjauan terhadap berkembang
Pertimbangan dari 2020) pasokan mengeksplorasi dan perspektif siswa,
E-Learning di pendidikan mengadopsi instruktur,
Pendidikan untuk konten telah metode e- pembuat kebijakan,
Perkembangan berubah karena learning yang dan pakar TIK
dalam Menghadapi COVID- meningkatnya penggunaan lebih baik, terutama
19 internet untuk pembelajaran di pendidikan tinggi Pengembangan dan (Qiao dkk., Institusi dapat Evolusi dan
Tren Saat Ini di (Yildiz dkk., Institusi Sistem e- Adopsi 2021) melakukan transisi adopsi
Pendidikan 2020) pendidikan dengan learning yang Pembelajaran Online di dari pendidikan di teknologi dapat
Teknologi cepat beralih ke e- ditingkatkan dapat
Pra-dan Pasca- kelas ke pendidikan menumbuhkan
Riset mode pembelajaran memberikan dampak
COVID-19: Kombinasi online melalui lingkungan e-learning
Seluruh Dunia: Meta- karena pandemi positif terhadap
dari penggunaan alat untuk
Analisis Studi antara Teknologi dan teknologi e-learning secara
melanjutkan
luas
tahun 2015 dan pembelajaran siswa dan kepuasan siswa Evolusi Sistem pendidikan
2020 Teori dan selama dan setelah pandemi
Tantangan terhadap (Rajab dkk., Sistem e-learning yang Terkait teknologi Teori Terpadu
pendidikan kedokteran online 2020) perlu dibuat a Penerimaan dan
selama pandemi mekanisme tantangan dan Penggunaan Teknologi
COVID-19 pendidikan yang hambatan harus
lebih efektif diatasi untuk
dijelaskan sebagai berikut:
meningkatkan

efektivitas sistem e-learning

• Makalah ini mengakui adanya peningkatan yang signifikan dalam penerapan sistem e-
Mengkaji pengaruh (Saxena dkk., Terkena pandemi Kualitas e-learning
moderasi dari manfaat 2021) tingkat dapat ditingkatkan
learning oleh lembaga-lembaga pendidikan di seluruh dunia dalam beberapa tahun
yang dirasakan kepuasan siswa dalam dengan memfokuskan pada terakhir. Penggabungan teknologi dan konten pendidikan telah membuka jalan bagi
dari menjaga sistem e-learning Konten internet, institusi untuk beralih ke e-learning dan mekanisme bantuan teknologi lainnya untuk
jarak sosial terhadap penerimaan,
tujuan pembelajaran. • Meningkatnya penggunaan teknologi di abad ke-21
kualitas e- ketergantungan,
dan jaminan
membuat sistem pendidikan perlu merestrukturisasi mekanisme kelembagaannya agar
learning selama
pandemi COVID-19 selaras dengan perubahan zaman. Untuk itu, lembaga pendidikan sangat bergantung
pada peneliti yang mampu melahirkan model-model pendidikan baru berbantuan
Analisis studi (Nikou dan Kesadaran Diperlukan
teknologi.
perspektif siswa tentang Maslov, 2021) dan tantangan upaya untuk membuat
partisipasi e- pandemi secara sistem e-
learning–kasus
• Peneliti EDM di masa lalu telah mengusulkan penyempurnaan sistem e-learning.
langsung learning lebih
pandemi COVID-19 mempengaruhi niat bermanfaat dan Mereka telah menggunakan berbagai teknik untuk menggali informasi berharga dari
siswa dalam lebih adaptif kumpulan data pendidikan, untuk memahami dan mengevaluasi perilaku siswa dan
sistem e-learning terhadap kebutuhan siswa
kinerja siswa dalam lingkungan e-learning. • Makalah ini menunjukkan fakta bahwa
Dampak dari (Tawafak Penggunaan sistem Lingkungan e-
pandemi ini telah mengubah
Teknologi dkk., 2021) e-learning berbantuan learning
Selama COVID-19 teknologi secara yang ditingkatkan lingkungan pendidikan di seluruh dunia secara dramatis. Hal ini telah mengganggu
Pandemi untuk ekstensif selama pandemi harus jalannya mekanisme pengajaran yang normal di lembaga-lembaga pendidikan.
Meningkatkan memungkinkan
Niat Berperilaku untuk siswa
Gunakan E-learning untuk
mengembangkan keterampilan terkait• teknologi
Dampak pandemi yang berkepanjangan akan mendorong para peneliti EDM untuk
prestasi akademis mempelajari penggunaan teknik-teknik baru dan canggih yang dapat membantu
yang lebih baik lembaga-lembaga pendidikan meningkatkan sistem e-learning mereka dan menjadikan
Peran e- (Garad dkk., Infrastruktur e- Sistem e-
proses pembelajaran lebih adaptif terhadap kebutuhan siswa.
pembelajaran 2021) learning memainkan learning yang lebih
infrastruktur dan peran penting dalam hal ini baik membutuhkan finansial
Relevansi tinjauan ini juga dapat disorot oleh fakta bahwa dialog, pembicaraan dan
diskusi konstruktif terkait dengan e-learning

10
Machine Translated by Google

K. Aulakh dkk. Jurnal Internasional Perkembangan Pendidikan 101 (2023) 102814

sistem di negara maju mulai berkembang pada tahun 2020 dan 2021, sebagaimana terlihat Tabel 5
dari Tabel 4 dan Tabel 5. Tabel tersebut, berdasarkan informasi yang diperoleh dari sumber Konferensi e-learning dan pelatihan dijadwalkan pada tahun 2021.
LearnDash dan Class Central, menunjukkan jumlah konferensi terkait e-learning yang
Nama Konferensi Mulai tanggal Tanggal Berakhir Lokasi/
dijadwalkan di AS dan Eropa selama dua tahun setelah pandemi Covid. Maya

Masa Depan Teknologi Pendidikan 26 Januari 29 Januari Maya

Konferensi Virtual
Forum Online Pemimpin Pembelajaran 24 Februari 26 Februari Virtual
4.2. | Implikasinya bagi sistem e-learning Buka Pekan Edukasi 2021 1 Maret 5 Maret Maya
Pendidikan Virtual Kongres Dunia 3 Maret 5 Maret Maya
Learnit Live: Masa Depan 8 Maret 12 Maret Maya
EDM adalah salah satu bidang penelitian penambangan data yang sedang berkembang
Belajar adalah Sekarang
dan terbukti mempunyai peran dalam pendidikan. Penggunaan pembelajaran online yang PENDIDIKAN SXSW 9 Maret 12 Maret Maya
efektif dapat meningkatkan kualitas sumber daya pendidikan sekaligus memungkinkan Pembelajaran Daring Rutgers 15 Maret 16 Maret Maya

pendidik merencanakan pembelajaran dan siswa memperluas wawasannya. Konferensi

OLC Berinovasi 2021 Virtual 15 Maret 19 Maret Maya
Hal ini memungkinkan pendidik untuk memeriksa kebutuhan khusus siswa dan menyesuaikan
Konferensi
kelas untuk memenuhi kebutuhan tersebut. Salah satu keuntungan signifikan penggunaan Konferensi SXSW 16 Maret 20 Maret Maya
internet untuk pendidikan adalah tersedianya kelas-kelas bahkan di pemukiman terpencil Maya
Webinar Pemberdayaan 6 April 8 April
dan lokasi pedesaan di mana anak perempuan sering mengalami kesenjangan pendidikan. Pembelajaran Internasional Pekan ke-11 12 April 16 April Maya

Selain itu, penggunaan internet oleh siswa memungkinkan mereka melanjutkan upaya Analisis dan Pengetahuan
Konferensi
pendidikan selama wabah virus Corona, yang membuat dunia terhenti.
EduTECH EROPA 2021 28 April 29 April Maya
Konferensi dan Ekspo Solusi 4 Mei 6 Mei Orlando, FL
Makalah tinjauan ini menunjukkan beberapa bidang penerapan EDM utama dalam e- Pembelajaran
learning selama beberapa tahun terakhir. Hal ini menggarisbawahi penerapan teknik EDM Inisiatif Pembelajaran Educase 18 Mei 20 Mei Maya
Pertemuan tahunan
dalam sistem e-learning untuk mencapai dua tujuan e-learning: (i) meningkatkan kualitas
KTT Pembelajaran Digital Qatar 2 Juni 3 Juni Doha+Virtual
proses belajar-mengajar REMOTE: Yang Terhubung 9 Juni 11 Juni Maya
dan (ii) memastikan bahwa proses pembelajaran memenuhi kebutuhan siswa. siswa. Fakultas Summit oleh ASU
Covid-19 telah meresahkan industri pendidikan global, yang sangat terpukul karena Pekan Edtech London 14 Juni 21 Juni London
Konferensi Ide Pembelajaran 16 Juni 18 Juni Maya
lockdown. Akibat pandemi ini, terjadi transformasi menyeluruh pada sektor pendidikan ke
Pembelajaran @ Skala 2021/ 22 Juni 25 Juni Maya
mekanisme online secara global. Ketidakpastian dalam pendidikan, yang disebabkan oleh
EMOOC 2021
pandemi ini, telah menyoroti pentingnya dan dapat dipercayanya metode e-learning. Metode- ICDE 2021 22 Juni 23 Juni Roma
metode ini diproyeksikan akan semakin berkembang pada tahun-tahun pasca-Covid, karena KTT Kepemimpinan Digital ISTE 27 Juni 30 Juni San Antonio

adanya proyeksi pengembangan cara-cara baru dalam menggunakan teknologi digital untuk Pengajaran dan Pembelajaran Jarak Jauh 30 Juli 5 Agustus Maya
Konferensi
integrasi yang efektif ke dalam pendidikan siswa.
KTT ASU+GSV: Fajar Era Pembelajaran 9 Agustus 11 Agustus San Diego
Digital
Konferensi Tahunan ALT 2021 7 September 9 September Maya

Konferensi Eropa ke-16 pada 20 September 24 September Bozen-Bolzano

Oleh karena itu, implikasi utama dari tinjauan ini terhadap penelitian EDM dan e-
Teknologi Ditingkatkan
learning adalah mengidentifikasi beberapa bidang prioritas potensial dalam e-learning,
Sedang belajar
seperti yang diilustrasikan pada Tabel 6.
Belajar dengan MOOCs VIII September 1 Oktober Antigua
29 Guatemala

Tabel 4 Terbuka Pendidikan Global 2021 5 Oktober 7 Oktober Nantes, Prancis

EADTU I-HE2021 3 November 5 November Bari
Konferensi E-Learning dan pelatihan dijadwalkan pada tahun 2020.
Innovation Learning Summit 2021 November 9 November Maya
Nama Konferensi Mulai tanggal Tanggal Berakhir Lokasi 11
WEEF/GEDC 2021 November November Madrid
Di Amerika Serikat
15 18
Lab Kurasi dan Pembelajaran 4 Februari 6 Februari mata air Saratoga, OEB Berlin 1 Desember 3 Desember Berlin
NY
Konferensi Internasional 2021 Desember 14 Desember Singapura
Konferensi Pengetahuan Teknologi 5 Februari 7 Februari San Jose, CA 15
tentang Teknologi di STEM
eLearning Tahunan ITC 2020 9 Februari 12 Februari Charleston, SC 'HIDUP'
Konferensi
Pelatihan Konferensi dan Expo 24 Februari 26 Februari Danau Buena Vista,
2020 FL
Area prioritas yang disebutkan di atas harus dieksplorasi oleh para peneliti EDM untuk
Solusi Pembelajaran dan 31 Maret 2 April Orlando, FL
membantu institusi pendidikan menjadikan program e-learning mereka lebih efektif di masa
Realitas 360
OLC Berinovasi 31 Maret 3 April Chicago, Illinois
depan.
ADT2020 17 Mei 20 Mei Denver, CO
Belajar DevChamp 2020 2 Juni 5 Juni Kota Salt Lake, UT
Konferensi dan Ekspo Industri 16 Juni 18 Juni Raleigh, NC
4.3. Area aplikasi EDM yang luas
Pelatihan
WP Kampus 15 Juli 17 Juli New Orleans, LA Ada banyak penerapan EDM dalam e-learning untuk meningkatkan proses belajar-
Konferensi TechLearn 2020 13 Oktober 15 Oktober Austin, TX
mengajar guna menciptakan lingkungan yang lebih baik untuk memenuhi kebutuhan siswa.
Pembelajaran Pengembangan 21 Oktober 23 Oktober Las Vegas, NV
27 Oktober 29 Oktober Beberapa area penerapan EDM yang terkenal adalah:
Kamp Dunia AS St.Louis, MO
Konferensi Batu Tulis 11 November 13 November Naperville, IL

OLC Mempercepat 17 November 20 November Danau Buena Vista, 1. Analisis dan visualisasi data: Analisis data adalah tindakan mengevaluasi kumpulan
FL
data untuk membuat keputusan tentang informasi yang dimilikinya, sedangkan
Di Eropa
Teknologi Pembelajaran 12 Februari 12 Februari London, Inggris
visualisasi data adalah penggambaran informasi dan data dalam bentuk gambar
KTT Dunia Pembelajaran 15 Mei 15 Mei London, Inggris atau grafis.
Kamp Dunia Eropa 4 Juni 6 Juni Porto, Portugal 2. Memberikan umpan balik untuk instruktur pendukung: Umpan balik merupakan
KTT Dunia Pembelajaran 13 Oktober 14 Oktober Birmingham, Inggris
komponen penting dari pembelajaran dan penilaian berkelanjutan

11
Machine Translated by Google

K. Aulakh dkk. Jurnal Internasional Perkembangan Pendidikan 101 (2023) 102814

Tabel 6 dari data pelajar, yang biasanya diperoleh oleh sistem bimbingan belajar cerdas
Potensi area penerapan EDM pada E-learning di masa depan. sebagai hasil dari keterlibatan pelajar dengan sistem bimbingan belajar.

Nama Kertas Pengarang Saran untuk meningkatkan

lingkungan e-learning 6. Mendukung pembentukan kelompok siswa: Pengelompokan siswa mengacu

Fokus pada infrastruktur

Mengeksplorasi faktor-faktor itu
mempengaruhi adopsi e-
learning dalam pendidikan
tinggi
Sebuah studi kasus eksplorasi siswa
sekolah menengah
prestasi akademik di sekolah virtual
yang sepenuhnya online
Model pemberi rekomendasi
dalam lingkungan e-learning
Penambangan Data Pendidikan: A
review proses evaluasi dalam e-
learning
pada penggunaan beberapa metode untuk mengatur siswa di kelas. Mereka
(Raja dan
Boyatt, 2015) institusi pendidikan, biasanya diorganisir untuk bekerja dengan cara yang berbeda selama setiap
keterampilan/sikap anggota pelajaran. Guru sering memilih pengelompokan berdasarkan jenis kegiatan,
staf, dan faktor lain yang dapat tujuan kegiatan, dan siswa.
mempengaruhi adopsi e-learning
7. Mengadaptasi isi, urutan, dan antarmuka pembelajaran: Pembelajaran adaptif
adalah sistem belajar mengajar yang bertujuan untuk menyesuaikan kelas,
(Wolfinger, Mendefinisikan kembali peran
2016) guru dalam memfasilitasi bacaan, latihan, dan penilaian kepada siswa secara individu berdasarkan
pembelajaran virtual sepenuhnya kemampuan dan kinerja yang ada.
online bagi siswa sekolah untuk
meningkatkan kinerja siswa
8. Analisis jaringan sosial: Analisis jaringan sosial adalah praktik pengujian sistem
(Bourkoukou Merancang model pembelajaran baru
dkk., 2017) untuk mendukung pengalaman sosial menggunakan teori jaringan dan grafik. Ini mendefinisikan sistem jaringan
belajar yang dipersonalisasi dalam hal node dan ikatan, tepi, atau tautan yang menghubungkannya. Teknik
untuk meningkatkan analisis jaringan sosial digunakan untuk menguji pola hubungan antar orang
kinerja dan prestasi
dalam kelompok. Mereka berguna untuk mengevaluasi struktur sosial dan saling
siswa
ketergantungan (atau pola kerja) seseorang atau organisasi.
(Rodrigues Perlu mengembangkan skenario
dkk., 2018) belajar-mengajar dan kegiatan
pembelajaran lainnya dengan berfokus 9. Mempelajari hubungan antara guru dan peserta didik: Hubungan positif antara
pada penelitian perilaku, guru dan siswa di kelas diartikan sebagai upaya untuk mengembangkan
interaksi, kolaborasi, dan kinerja
kepercayaan dan rasa hormat satu sama lain. Hubungan ini dapat mencakup

Waktu sangat penting: (Tang dkk., Penting untuk beralih ke sudut

Memahami dimensi temporal
pembelajaran online
menggunakan data mining
pendidikan
Pendidikan IS online untuk
abad ke 21
Analisis data mining pendidikan
Evaluasi Papan Tulis
Manajemen Pembelajaran
Sistem untuk Penuh Online
Kursus di Cabang Barat
Perguruan Tinggi Qassim
Universitas
Menjelajahi tantangan pendidikan
online di masa COVID
Melakukan Transisi ke
Metode Virtual di
Kelas Literasi:
Membingkai Ulang Guru
Praktik Pendidikan
mengenal siswa lebih baik, memberi mereka pilihan, dan memotivasi mereka
2019) pandang baru tentang proses belajar- untuk menjadi pembelajar sehari-hari yang lebih baik.
mengajar online, dengan menganalisis
peristiwa pembelajaran yang saling terkait
10. Mendukung guru dalam pembuatan peta konsep: Peta konsep sangat bermanfaat
bagi siswa yang belajar secara visual. Peta konsep adalah pendekatan belajar
(He et al., 2014) Perlu mempelajari pelatihan guru dalam
merancang, yang efektif karena membantu seseorang memahami gambaran besarnya: dengan
mengembangkan, mengajar, memulai dengan konsep tingkat yang lebih tinggi, peta konsep memungkinkan
dan menilai kursus online seseorang untuk membagi materi berdasarkan hubungan yang signifikan.
(Ahuja dkk., Memahami tantangan (seperti
2019) akurasi, fungsionalitas, dan biaya
overhead, dll.) yang terkait dengan 11. Membantu konstruksi dan penggunaan kembali konten pembelajaran: Struktur
kumpulan data pendidikan yang pengetahuan dipupuk oleh pengaturan diri dan kesadaran diri peserta didik.
sangat Akibatnya, seseorang harus membantu pelajar dalam memperoleh keterampilan
(Alturise, 2020) besar Fokus pada
dan informasi penting serta menyediakan alat dan keadaan untuk meningkatkan
potensi perbaikan
kemampuan mereka dalam mengendalikan pembelajaran mereka.
penerapan sistem e-learning
untuk memenuhi perubahan 12. Meningkatkan perencanaan dan penjadwalan pendidikan: Perencanaan
kebutuhan siswa pendidikan adalah proses di mana setiap siswa terlibat dalam penilaian diri,
menyelidiki dan mengintegrasikan pilihan akademis dan profesional, dan membuat
(Pandit dan Perlu menciptakan ekosistem e-
keputusan pribadi untuk saat ini dan masa depan, sedangkan penjadwalan
Agrawal, 2021) learning yang efektif dengan
berfokus pada pembelajaran
pendidikan mengatur tindakan siswa. kegiatan sepanjang hari, minggu, jangka
siswa yang kolaboratif, keterampilan waktu atau tahun.
dalam menggunakan 13. Sistem Manajemen Pembelajaran: Sistem manajemen pembelajaran adalah
teknologi digital,
aplikasi perangkat lunak yang digunakan untuk mengelola kursus pendidikan,
pengetahuan tentang alat
program pelatihan, materi, atau kegiatan pembelajaran dan pengembangan.
pendidikan online, bimbingan akademik, dll.
(Stoetzel dan Perlu memikirkan kembali dan mendesain Konsep sistem manajemen pembelajaran berevolusi langsung dari e-learning.
Shedrow, 2021) ulang pelajaran dan tugas untuk
mengintegrasikan teknologi ke 14. Pengelolaan siswa putus sekolah dan retensi siswa: Putus sekolah didefinisikan
dalam materi pembelajaran untuk
sebagai penghentian suatu program, apa pun alasannya, sedangkan retensi
mengatasi situasi yang belum
pernah terjadi sebelumnya atau tidak terduga mengacu pada kelanjutan partisipasi siswa dalam program setelah tanggal
penyelesaian awal.

proses. Memberikan umpan balik yang sering dan terus-menerus kepada

instruktur merupakan cara penting untuk meningkatkan prestasi belajar.
3. Memberikan rekomendasi kepada siswa: Sistem rekomendasi digunakan untuk
menghasilkan kurikulum yang dipersonalisasi, serta untuk menyarankan konten
individual pada platform e-learning, dan juga dapat digunakan untuk memperkirakan
pencapaian siswa sebelum mereka mendaftar ke pendidikan tinggi.
Area aplikasi EDM yang beragam memungkinkan administrator dan akademisi untuk
menggunakan alat penambangan data dan berpartisipasi dalam aktivitas yang dapat
membuat pengumpulan dan pemrosesan data lebih mudah diakses oleh semua pengguna EDM.
Contohnya termasuk alat statistik dan visualisasi yang menganalisis jaringan sosial dan
pengaruhnya terhadap hasil pembelajaran dan produktivitas.

4. Prediksi kinerja siswa: Memprediksi kinerja siswa sangatlah penting, yang 5. Diskusi
membantu dalam pemilihan program studi dan menetapkan program studi yang
sesuai di masa depan.
Tinjauan penerapan EDM pada e-learning ini bertepatan dengan meluasnya adopsi
5. Pemodelan pembelajar: Model pembelajar, juga dikenal sebagai model pelajar,
sistem e-learning selama beberapa tahun terakhir, khususnya setelah merebaknya pandemi
adalah penggambaran pengetahuan, kesalahpahaman, dan tantangan yang
Covid-19 ( Yu et al., 2022; Su et al., 2022 ; Shoib dkk., 2022; Zhou dkk., 2022).Tidak dapat
terorganisir dari seorang pembelajar. Model pembelajar dibangun
disangkal

12
Machine Translated by Google
K. Aulakh dkk.
bahwa e-learning telah mendapatkan perhatian yang belum pernah terjadi sebelumnya
setelah pandemi ini, yang memberikan dampak meresahkan pada hampir semua industri
di seluruh dunia, dan industri pendidikan terkena dampak yang sangat parah. Pandemi
ini menyebabkan transformasi menyeluruh pada sektor pendidikan ke mekanisme online
secara global. Hal ini telah mendorong para perencana akademis untuk merestrukturisasi
sistem pembelajaran di kelas tradisional dan mempersiapkan peralihan ke sistem
pendidikan cerdas yang melibatkan peningkatan penggunaan alat teknologi dan Internet.
Dengan latar belakang tersebut, makalah tinjauan ini mencoba memberikan
gambaran umum tentang bagaimana para peneliti telah menerapkan teknik EDM untuk
mengusulkan perbaikan sistem e-learning dalam beberapa tahun terakhir. Makalah ini
juga menyoroti perlunya meningkatkan upaya penelitian dalam bidang ini untuk
memenuhi kebutuhan mahasiswa generasi sekarang dan masa depan. Makalah
penelitian yang dipilih untuk tinjauan dibagi menjadi tiga kelompok berikut untuk
melakukan survei literatur yang bermakna terkait dengan penggunaan EDM untuk
meningkatkan sistem e-learning - makalah yang berkaitan dengan penerapan EDM
pada e-learning secara umum, makalah juga -dikaitkan dengan penggunaan EDM
untuk prediksi kinerja siswa dalam e-learning; dan makalah terkait kajian dampak
pandemi Covid-19 terhadap lingkungan e-learning. Kriteria pemilihan artikel untuk dua
kelompok pertama adalah bahwa artikel tersebut melibatkan penggunaan teknik EDM
yang berbeda dalam konteks e-learning atau menyajikan beberapa pendekatan spesifik
untuk meningkatkan sistem e-learning. Makalah penelitian yang dipilih untuk kelompok
ketiga terutama berfokus pada analisis lingkungan e-learning selama pandemi Covid-19.
Mereka menyertakan beberapa saran terkait untuk meningkatkan sistem e-learning di
masa depan sehingga proses belajar-mengajar tidak terhambat karena situasi yang
tidak terduga.
Makalah ulasan ini berfokus pada menjawab pertanyaan penelitian di bagian
Pendahuluan. Pertanyaan penelitian berkaitan dengan empat bidang penting mengenai
penggunaan EDM dalam e-learning — peningkatan sistem e-learning, prediksi kinerja/
keterlibatan siswa, dampak pandemi terhadap e-learning, dan potensi area fokus e-
learning. pascapandemi. Berdasarkan hasil survei literatur, dapat dinyatakan bahwa,
dalam menjawab pertanyaan penelitian pertama, peneliti telah menerapkan teknik EDM
untuk menyarankan perbaikan pada desain sistem e-learning dan agar lebih sesuai
dengan kebutuhan siswa. Selain itu, mengenai pertanyaan penelitian kedua, terbukti
bahwa keterlibatan siswa dan kinerja siswa dalam sistem e-learning dapat diprediksi
oleh peneliti dengan menggunakan berbagai teknik, seperti klasifikasi, pengelompokan,
regresi, dan penambangan hubungan, dan beberapa lainnya. Mengenai pertanyaan
penelitian ketiga, dapat dikatakan bahwa pandemi Covid-19 sangat berdampak pada
pendekatan lembaga pendidikan terhadap e-learning (Iorember et al., 2022; Yao et al.,
2022). dan pertanyaan penelitian keempat, tinjauan ini mencantumkan beberapa bidang
potensial dalam e-learning yang harus menjadi fokus perhatian lembaga pendidikan
pada tahun-tahun pasca-Covid.
Namun, meskipun makalah tinjauan ini fokus pada penerapan EDM pada e-learning
dari perspektif perbaikan e-learning, termasuk upaya masa lalu dan potensi masa depan,
tinjauan ini mempunyai keterbatasan tertentu. Studi ini hanya menyajikan gambaran
umum penggunaan EDM dalam e-learning melalui survei terhadap beberapa makalah
penelitian terpilih sebelumnya; ini bukanlah upaya yang menyeluruh. Pemikiran utama
yang menjadi dasar pemilihan makalah adalah bahwa makalah yang dipilih pada
dasarnya melibatkan penggunaan teknik EDM dalam e-learning, sesuai dengan judul,
abstrak, kata kunci, atau pendahuluan. Tidak ada algoritma atau teknik pencarian
khusus yang digunakan untuk pemilihan makalah; hanya permintaan pencarian tertentu
terkait EDM untuk e-learning yang digunakan. Untuk pemilihan makalah digunakan
database Google Scholar.
Selain itu, tujuan utamanya adalah untuk menjaga agar penelitian tetap spesifik dari
sudut pandang makalah pilihan yang hanya berkaitan dengan penerapan teknik EDM
untuk meningkatkan e-learning. Hal ini menggarisbawahi upaya sadar untuk menjaga
teknik dan konsep lain — seperti Pembelajaran Mendalam, Pembelajaran Mesin,
Kecerdasan Buatan, Big Data, Analisis Pembelajaran, dll. — di luar cakupan peninjauan.
Keputusan sadar di balik peninjauan ini menjadikannya relevan untuk masa kini dan
masa depan. Tinjauan ini dapat menjadi dasar untuk melakukan survei yang lebih
sistematis dan rinci terkait dengan hal ini
13
Jurnal Internasional Perkembangan Pendidikan 101 (2023) 102814
Penggunaan EDM dalam e-learning, khususnya dalam hal penggunaan beberapa
database lain atau teknik pencarian kompleks yang melibatkan penerapan algoritma.
Selain itu, tinjauan ini juga memberikan opsi terbuka untuk tinjauan serupa yang
melibatkan penerapan teknik/konsep berbeda oleh para peneliti untuk menyarankan
peningkatan e-learning bagi siswa generasi masa depan, terutama dengan penggunaan
teknologi yang luas dan dampak pandemi jika ditinjau kembali.
6. Masalah terbuka dalam penambangan data pendidikan
Tujuan utama penelitian EDM adalah untuk memahami faktor-faktor yang
mempengaruhi pembelajaran siswa dalam sistem pembelajaran online atau e-learning
modern. Peneliti EDM berupaya memahami perilaku siswa dan mengonseptualisasikan
lingkungan pembelajaran zaman baru yang dapat mendukung penguatan proses
pendidikan di luar ruang kelas tradisional. Karena para peneliti terutama bertujuan untuk
meningkatkan potensi metode belajar-mengajar, ada beberapa permasalahan yang
belum terselesaikan dalam EDM. Beberapa permasalahan yang paling menonjol adalah:
• EDM adalah prosedur berulang untuk mengekstraksi informasi berguna dari kumpulan
data pendidikan yang besar — melibatkan penggunaan proses berulang dalam
perumusan hipotesis, pengujian hipotesis, dan penyesuaian hasil. Oleh karena itu,
untuk meningkatkan kredibilitas penelitian di EDM, proses berulang dari
penambangan data harus diilustrasikan oleh peneliti secara rinci.
• Sulit bagi peneliti EDM untuk mengidentifikasi sejauh mana hasil penelitian mereka
mengenai skenario pembelajaran tertentu dapat secara efektif ditransfer ke
lingkungan pendidikan lainnya. Oleh karena itu, konteks penelitian terkait data
mining di bidang pendidikan memerlukan penjelasan yang komprehensif oleh
peneliti. • Penerapan algoritma data mining konvensional
pada atribut pendidikan tidak selalu memungkinkan karena peneliti EDM harus
menyaring data dalam jumlah besar yang merupakan hasil dari pertumbuhan data
yang pesat di lingkungan pendidikan. Konsekuensinya, penelitian EDM memerlukan
penggunaan kumpulan algoritma yang lebih kompleks dibandingkan algoritma
konvensional.
• Dalam hal temuan pendidikan, tidak ada mekanisme untuk mengukur kualitas
wawasan yang diberikan oleh peneliti EDM karena mereka secara khusus mencoba
menemukan model yang mendasari data pendidikan. Oleh karena itu, penting bagi
peneliti EDM untuk secara jelas menggambarkan model data pendidikan sebagai
representasi dari lingkungan pendidikan yang sebenarnya. • Ada persepsi yang
jelas bahwa anonimitas
siswa dapat dikompromikan ketika penjumlahan kumulatif data siswa dalam suatu
algoritma diperbolehkan oleh lembaga pendidikan. Oleh karena itu, penting untuk
mengubah persepsi terkait dengan pemahaman atribut pengidentifikasi siswa yang
terkait dengan penelitian EDM.
Secara keseluruhan, penting untuk diingat bahwa isu-isu terbuka dalam EDM dapat
diatasi di masa depan dengan bantuan pendekatan lintas disiplin, alih-alih berfokus
pada satu pendekatan khusus.
Penggunaan pendekatan yang berbeda dapat mencakup berbagai bidang kemahiran
dan meningkatkan proses analisis data bagi peneliti EDM.
Permasalahan terbuka dalam EDM perlu ditangani dengan cara yang berpandangan
jauh ke depan, sehingga penelitian EDM dapat membantu sistem pendidikan berhasil
mengatasi tantangan yang ditimbulkan oleh kemajuan teknologi yang bergerak cepat di
abad ke-21.
7. Kesimpulan dan arah penelitian kedepannya
7.1. Kesimpulan
Tinjauan penerapan EDM pada sistem e-learning dalam makalah ini menyoroti
bahwa EDM adalah bidang penelitian yang muncul dan berpusat pada penggunaan
beragam teknik untuk menganalisis kumpulan data pendidikan dan mengembangkan
model pendidikan baru. Pengenalan
Machine Translated by Google

K. Aulakh dkk. Jurnal Internasional Perkembangan Pendidikan 101 (2023) 102814

Metode e-learning interaktif telah membuka banyak peluang bagi EDM untuk memahami dan
mengevaluasi proses pembelajaran berbantuan teknologi dalam beragam konteks.
Pemahaman berbasis penelitian selanjutnya dapat memungkinkan perencana akademik
untuk mengembangkan sistem pendidikan yang 'cerdas' dan efisien yang dapat mendukung
siswa dan juga guru.
Studi ini telah menyajikan pertumbuhan makalah yang diterbitkan mengenai e-learning
selama dua dekade terakhir, meninjau proses pengumpulan data dalam pendidikan dan
juga memberikan wawasan mengenai peran guru dalam lingkungan e-learning. Dalam karya
ini, tinjauan komprehensif berbagai teknik EDM berdasarkan metodologi seperti mesin vektor
pendukung, Naïve Bayes, pengelompokan K-means, regresi linier, analisis klaster, hutan
acak, dan perceptron multi-lapis telah disajikan.

Menurut taksonomi berbasis metodologi, tinjauan tersebut menyajikan tujuan, hasil, dan
teknik dari setiap masalah dan, bersama dengan itu, menyajikan tinjauan dan analisis EDM.
Analisis sistematis ini telah membantu dalam memahami berbagai metodologi EDM sehingga
dapat dipilih yang paling sesuai.

Peninjauan ini bertepatan dengan merebaknya pandemi Covid-19 yang memberikan
dampak yang belum pernah terjadi sebelumnya pada sektor pendidikan. Krisis ini disebut-
sebut muncul sebagai 'pengganggu konstruktif' bagi bidang pendidikan karena krisis ini telah
meningkatkan peran teknologi dalam pembelajaran sekaligus mengganggu pengajaran di
kelas. Pandemi ini memberikan peluang unik bagi para peneliti EDM untuk fokus mengadaptasi
sistem pendidikan yang ada ke pembelajaran futuristik. Karena pandemi ini, para perencana
akademik telah melakukan upaya untuk merestrukturisasi struktur pembelajaran di kelas
yang tradisional dan secara bertahap beralih ke sistem e-learning. Penelitian ini juga telah
mengeksplorasi aplikasi EDM di era saat ini. Selain itu, penelitian ini juga menyajikan
implikasi terhadap sistem e-learning dan meninjau tren terkini dalam e-learning berdasarkan
hasil penelitian sebelumnya.
Terakhir, artikel merangkum dan membahas arah dan tantangan penelitian di masa
depan berdasarkan penelitian sebelumnya. Secara keseluruhan penelitian yang diusulkan
diharapkan dapat membantu peneliti memahami keterbatasan dan kelebihan berbagai teknik
EDM serta dapat membantu dalam memberikan kontribusi terhadap pengembangan
metodologi terkait sistem e-learning di masa depan.
Berdasarkan tinjauan tersebut, penelitian mengenai penerapan EDM pada e-learning
diperkirakan akan meningkat di tahun-tahun mendatang. Pasar e-learning global siap untuk
pertumbuhan yang stabil pada periode pasca-Covid, seperti yang ditunjukkan pada Gambar
7. Angka tersebut, berdasarkan informasi yang diambil dari statistik industri E-learning dan
Research And Markets. com, menunjukkan bahwa ukuran pasar e-learning global telah
meningkat pesat sejak tahun 2010 — dari $32,1 miliar pada tahun 2010, $107 miliar pada
tahun 2015, dan sekitar $250 miliar pada tahun 2020. Pasar ini diperkirakan akan meningkat
secara eksponensial dalam 4– 5 tahun dan diperkirakan akan mencapai $325 miliar pada
tahun 2025.
Gambar 8. Ukuran pasar E-learning global.
• Menganalisis keterlibatan siswa dan kepuasan siswa dengan e-
program pembelajaran
• Memprediksi kinerja siswa dalam pembelajaran virtual yang sepenuhnya online
lingkungan
• Menyarankan pendekatan yang dapat membuat program e-learning lebih berorientasi
pada nilai
• Mengevaluasi kemungkinan peningkatan siswa yang baru pertama kali mengakses-
program lini pada periode pasca-Covid.
Ringkasnya, penelitian di masa depan akan bertujuan untuk menggunakan EDM dalam
e-learning untuk mengidentifikasi siswa yang memiliki akses terhadap pembelajaran online
setelah pandemi Covid, mengusulkan model untuk program studi yang lebih fleksibel,
mengenali kebutuhan akan dukungan siswa, dan mengeksplorasi prospek masa depan.
kombinasi realistis antara pendidikan kelas dan lingkungan e-learning.
Persetujuan etis
Artikel ini tidak memuat penelitian apa pun dengan partisipan manusia atau hewan yang
dilakukan oleh penulis mana pun.
Detail pendanaan
Tidak ada dana untuk pekerjaan penelitian ini.
Konflik kepentingan

Terakhir, tinjauan ini juga menggarisbawahi antisipasi bahwa pengembang platform Para penulis menyatakan bahwa mereka tidak memiliki konflik kepentingan.
pendidikan online kemungkinan akan terjun lebih jauh ke dalam arena 'Pendidikan Cerdas'
setelah pandemi ini. Mereka diharapkan untuk meluncurkan fitur e-learning yang lebih baik Penjelasan dan persetujuan
untuk meningkatkan platform mereka sejalan dengan kebutuhan belajar siswa. (Gbr. 8).
Informed consent diperoleh dari semua peserta individu
termasuk dalam penelitian.

7.2. Arah penelitian di masa depan Pernyataan penulis

Arah masa depan penelitian dalam bidang penerapan EDM pada e-learning adalah
fokus pada aspek-aspek dan faktor-faktor yang muncul yang mungkin berdampak pada
lingkungan e-learning yang dinamis. Mengingat peran teknologi yang besar dalam pendidikan,
khususnya setelah pandemi Covid-19, adalah tepat untuk melakukan upaya penelitian untuk
membuat proses pembelajaran lebih 'selaras' bagi siswa dan membantu mereka mencapai
keberhasilan akademis yang lebih baik.
Beberapa aspek e-learning yang perlu menjadi perhatian peneliti EDM di masa depan adalah:
• Mengusulkan desain ulang pembelajaran dan tugas untuk mengintegrasikan teknologi ke
dalam proses pembelajaran
Semua orang yang memenuhi kriteria kepenulisan terdaftar sebagai penulis, dan semua
penulis menyatakan bahwa mereka telah berpartisipasi secara memadai dalam karya tersebut
untuk mengambil tanggung jawab publik atas konten tersebut, termasuk partisipasi dalam
konsep, desain, analisis, penulisan, atau revisi naskah.
Referensi
Abbas, J., 2020. Dampak epidemi virus corona (SARS-CoV2) terhadap kesehatan mental
individu: tindakan perlindungan Pakistan dalam mengelola dan mempertahankan
penyakit menular. Psikiater. Danub. 32 (3–4), 472–477.

14
Machine Translated by Google
K. Aulakh dkk.
Abbas, J., Aman, J., Nurunnabi, M., Bano, S., 2019. Dampak media sosial terhadap perilaku pembelajaran
untuk pendidikan berkelanjutan: Bukti mahasiswa dari universitas terpilih di Pakistan. Keberlanjutan
11 (6), 1683.
Abd Elaal, SAE, 2013. E-learning menggunakan data mining. ke-21 Int. Konf. Dagu. Res. J.
Abrioux, D., 2001. Konversi ke kursus online dan penyampaian program: Perspektif global. Int.
Pdt. Res. Buka Distribusi. Mempelajari. 1 (2).
Aguinis, H., Yu, L., Tosun, C., 2021. Bagaimana meningkatkan dampak ilmiah: rekomendasi untuk administrator
universitas, peneliti dan pendidik. Int. J. Kontemp. rumah sakit.
Kelola.
Ahuja, R., Jha, A., Maurya, R., Srivastava, R., 2019. Analisis data mining pendidikan.
Algoritma Pencarian Harmoni dan Pengoptimalan Terinspirasi Alam. Springer, hal.897–907.
Al Halbusi, H., Al-Sulaiti, K., Abbas, J., Al-Sulaiti, I., 2022. Menilai faktor-faktor yang mempengaruhi adopsi
teknologi untuk pembelian online di tengah COVID-19 di Qatar: peran memoderasi dari mulut ke mulut.
Depan. Mengepung. Sains. 1039.
Algarni, A., 2016. Data mining di bidang pendidikan. Int. J.Adv. Hitung. Sains. Aplikasi. 7 (6),
456–461.
Ali, MM, 2013. Peran data mining di sektor pendidikan. Int. J.Komputasi. Sains. Massa.
Hitung. 2 (4), 374–383.
Altimari F., Plastina AF, Cronin MD, Servidio R., Caria M., Pedrazzoli A. Penulisan kursus elektronik adaptif
yang dibimbing dalam lingkungan belajar pribadi: silabus dinamis dan pendekatan perakitan dinamis.
Dalam: Prosiding Kongres Dunia Teknik dan Ilmu Komputer, vol. 1; 2012. hal. 236–242.
Alturise, F., 2020. Evaluasi Sistem Manajemen Pembelajaran Blackboard untuk Kursus Online Penuh di
Western Branch Colleges of Qassim University. Int. J.Muncul.
Teknologi. Mempelajari. (iJET) 15 (15), 33–51.
Ananga, P., 2020. Pertimbangan Pedagogis E-Learning dalam Pendidikan untuk
Perkembangan dalam Menghadapi COVID-19. Internasional J. Technol. Mendidik. Sains. 4 (4), 310–321.
Anderson, T., 2004. Mengajar dalam konteks pembelajaran online. Praktek Teori. Belajar Daring.
273.
Anjewierden A., Kollloffel B., Hulshof C. Menuju penambangan data pendidikan: Menggunakan metode
penambangan data untuk analisis obrolan otomatis guna memahami dan mendukung proses
pembelajaran inkuiri. Dalam: Lokakarya Internasional Penerapan Data Mining dalam e-Learning
(ADML 2007) Citeseer; 2007. hal. 27–36.
Aparicio M., Bacao F., Oliveira T. Kerangka teori e-learning. Sebuah e-pembelajaran
kerangka teori 2016;(1):292–307.
Appalla, P., Kuthadi, VM, Marwala, T., 2017. Pendekatan penambangan data pendidikan yang efisien
untuk mendukung e-learning. kawat. jaringan. 23 (4), 1011–1024.
Aqeel, M., Rehna, T., Shuja, KH, Abbas, J., 2022. Perbandingan mental siswa
kesejahteraan, kecemasan, depresi, dan kualitas hidup selama lockdown penuh dan sebagian (pintar)
akibat COVID-19: studi lanjutan dengan interval 5 bulan. Depan. Psikiatri 13.
Arinto, PB, 2016. Permasalahan dan tantangan dalam e-learning terbuka dan jarak jauh: Perspektif dari
Filipina. Int. Pdt. Res. Buka Distribusi. Mempelajari. 17 (2), 162–180.
Armellini A., Jones S. Carpe Diem: memanfaatkan setiap hari untuk mendorong perubahan dalam desain e-learning.
2008;.
Ashraf, A., Khan, MG, 2017. Efektivitas pendekatan data mining pada E-learning
sistem: Sebuah survei. NFC IEFR J.Eng. Sains. Res. 4.
Azadi, NA, Ziapour, A., Lebni, JY, Irandoost, SF, Abbas, J., Chaboksavar, F., 2021.
Pengaruh pendidikan berdasarkan model keyakinan kesehatan dalam mempromosikan perilaku
pencegahan penyakit hipertensi pada staf Universitas Ilmu Kedokteran Iran.
Lengkungan. Kesehatan Masyarakat 79 (1), 69.
Baker, R., dkk., 2010. Penambangan data untuk pendidikan. Int. Ensiklus. Mendidik. 7 (3), 112–118.
Baker, R., 2015. Big data dan pendidikan. New York: Perguruan Tinggi Guru. Kolumbia
Universitas,.
Baker, RS, Yacef, K., dkk., 2009. Keadaan penambangan data pendidikan pada tahun 2009: Tinjauan
dan visi masa depan. J.Mendidik. - data nasional Min. 1 (1), 3–17.
Baritchi A. Penambangan data dan penemuan pengetahuan. Dalam: Intelijen Bisnis dalam Ekonomi Digital:
Peluang, Keterbatasan dan Risiko IGI Global; 2004.p. 35–47.
Bates, T., 2008. Mengubah pendidikan jarak jauh melalui teknologi baru. Int. tanganb.
Pendidikan Jarak Jauh. 217–236.
Bennett, S., Agostinho, S., Lockyer, L., Harper, B., 2009. Meneliti Desain Pembelajaran dalam Pembelajaran
Terbuka, Jarak Jauh, dan Fleksibel: Pendekatan Penyelidikan untuk Mendukung Proses dan Praktik
Desain. Taylor & Fransiskus,.
Bharati M., Ramageri M. Teknik dan aplikasi data mining 2010;.
Bhardwaj BK, Pal S. Data Mining: Prediksi peningkatan kinerja menggunakan klasifikasi. arXiv pracetak
arXiv:12013418 2012;.
Bhattacharyya, DK, Hazarika, SM, 2006. Jaringan, Penambangan Data, dan Kecerdasan Buatan: Tren
dan Arah Masa Depan. Rumah Pub Narosa.
Bourkoukou, O., El Bachari, E., El, Adnani, M., 2017. Model rekomendasi dalam lingkungan e-learning.
Arab. J.Ilmu. bahasa Inggris 42 (2), 607–617.
Bousbia, N., Belamri, I., 2014. Kontribusi Apa yang Diberikan EDM pada Lingkungan Pembelajaran
Berbasis Komputer? Penambangan Data Pendidikan. Springer, hlm.3–28.
Brown, S., White, S., Power, N., 2015. Melacak prestasi mahasiswa S1 pada mata kuliah fisiologi tahun
pertama menggunakan pendekatan analisis cluster. Adv. Fisiol. Mendidik. 39 (4), 278–282.
Calvert, J., 2005. Pendidikan jarak jauh di persimpangan jalan. Pendidikan Jarak Jauh. 26 (2), 227–238.
Campbell, JP, DeBlois, PB, Oblinger, DG, 2007. Analisis akademis: alat baru untuk era baru. PENDIDIKAN
Wahyu 42 (4), 40.
´
Castillo-Merino, D., Serradell-Lopez, E., 2014. Analisis determinan kinerja siswa
dalam e-learning. Com. - Puter bersenandung. Berperilaku. 30, 476–484.
Castro, F., Vellido, A., Nebot, A., Mugica, F., 2007. Menerapkan teknik data mining pada
masalah e-learning. Evolusi Paradigma Belajar Mengajar di Lingkungan Cerdas.
Springer, hal.183–221.
Cleveland-Innes, MF, Garrison, DR, 2010. Pengantar Pendidikan Jarak Jauh:
Pemahaman Belajar Mengajar di Era Baru. Routledge.
15
Jurnal Internasional Perkembangan Pendidikan 101 (2023) 102814
Cocea, M., Weibelzahl, S., 2009. Analisis file log untuk deteksi pelepasan di lingkungan e-Learning.
Gunakan Model. Gunakan -Adapt. Berinteraksi. 19 (4), 341–385.
Daghestani, LF, Ibrahim, LF, Al-Towirgi, RS, Salman, HA, 2020. Mengadaptasi sistem pembelajaran gamified
menggunakan teknik data mining pendidikan. Hitung. Aplikasi. bahasa Inggris
Mendidik. 28 (3), 568–589.
Dhawan, S., 2020. Pembelajaran daring: obat mujarab di masa krisis COVID-19. J.Mendidik.
Teknologi. sistem. 49 (1), 5–22.
Dwivedi A., Dwivedi P., Bobek S., Zabukovÿsek SS Faktor yang mempengaruhi keterlibatan siswa
dengan konten online dalam campuran. sedang belajar. Kybernetes 2019;.
El Gourari A., Skouri M., Raoufi M., Ouatik F. Masa Depan Transisi ke E-learning dan Pembelajaran Jarak
Jauh Menggunakan Kecerdasan Buatan. Dalam: Konferensi Internasional Keenam tentang e-Learning
(econf) IEEE 2020; 2020. hal. 279–284.
El-Sofany H., El-Haggar N. Efektivitas penggunaan teknik mobile learning untuk
meningkatkan hasil pembelajaran pada perguruan tinggi tahun 2020;.
Falakmasir MH, Habibi J. Menggunakan metode data mining pendidikan untuk mempelajari dampak kelas
virtual dalam e-learning. Dalam: Penambangan Data Pendidikan ERIC 2010; 2010.
Favale, T., Soro, F., Trevisan, M., Drago, I., Mellia, M., 2020. Lalu lintas kampus dan e- Learning pada
masa pandemi COVID-19. Hitung. jaringan. 176, 107290.
Fu, Q., Abbas, J., Sultan, S., 2021. Reset reduks industri melalui sosial perusahaan
tanggung jawab: dampak pariwisata COVID-19 pada perusahaan perhotelan melalui inovasi model
bisnis. Depan. Psikologi. 6686.
Ganesh SH, Christy AJ Aplikasi penambangan data pendidikan: survei. Dalam: Konferensi Internasional
tentang Inovasi dalam Sistem Informasi, Tertanam dan Komunikasi (ICIIECS) IEEE 2015;
2015. hal. 1–6.
Garad, A., Al-Ansi, AM, Qamari, IN, 2021. Peran infrastruktur e-learning dan kompetensi kognitif terhadap
efektivitas pembelajaran jarak jauh pada masa pandemi covid-19. J. Cakrawala Pendidik. 40 (1),
81–91.
Goyal, M., Vohra, R., 2012. Penerapan data mining di perguruan tinggi. Int. J.
Hitung. Sains. Isu (IJCSI) 9 (2), 113.
Grigorova K., Malysheva E., Bobrovskiy S. Penerapan pendekatan penambangan data dan penambangan
proses untuk meningkatkan proses e-learning. Dalam: Konferensi Internasional ke-3 tentang Teknologi
Informasi dan Nanoteknologi; 2017. hal. 25–27.
ÿ ÿ
Grubiÿsi´c, A., Zitko, B., Stankov, S., Sari ´c-Grgi´c, I., Gaÿspar, A., Tomaÿs, S., dkk., 2020.
Model umum untuk melacak pembelajaran siswa dan perolehan pengetahuan di berbagai platform
e-Learning. J. e-Belajar. Tahu. sosial. 16 (3), 10–23.
Gushchina, O., Ochepovsky, A., 2020. Data Mining Perilaku Siswa dalam Sistem E-Learning. Dalam: Jurnal
Fisika: Seri Konferensi, vol. 1553. Penerbitan IOP,, 012027.
Hamilton L., Halverson R., Jackson SS, Mandinach E., Supovitz JA, Wayman JC
Menggunakan Data Prestasi Siswa untuk Mendukung Pengambilan Keputusan Instruksional.
Panduan Latihan IES. NCEE 2009–4067. Pusat Evaluasi Pendidikan Nasional dan
Bantuan Daerah 2009;.
Han, J., Pei, J., Kamber, M., 2011. Data mining: konsep dan teknik. Elsevier,.
Hanna, M., 2004. Data mining dalam domain e-learning. Inf. Seluruh Kampus. sistem.
Haughey, M., Evans, T., Murphy, D., 2008. Pendahuluan: dari korespondensi hingga virtual
lingkungan belajar. Int. tanganb. Pendidikan Jarak Jauh. 1–24.
He, W., Xu, G., Kruck, S., Online, IS, 2014. pendidikan untuk abad ke-21. J.Inf. sistem.
Mendidik. 25 (2), 101–106.
Henrie, CR, Halverson, LR, Graham, CR, 2015. Mengukur keterlibatan siswa dalam pembelajaran yang
dimediasi teknologi: tinjauan. Hitung. Mendidik. 90, 36–53.
Hill, T., Lewicki, P., Lewicki, P., 2006. Statistik: metode dan aplikasi: a
referensi komprehensif untuk sains, industri, dan penambangan data. StatSoft, Inc.
Injadat, M., Moubayed, A., Nassif, AB, Shami, A., 2020. Pendekatan pemilihan model ansambel sistematis
untuk penambangan data pendidikan. Tahu. -Berbasis Sistem. 200, 105992.
Iorember, PT, Iormom, B., Jato, TP, Abbas, J., 2022. Memahami hubungan yang dapat diterima antara hasil
ekologi dan kesehatan: pentingnya pengembangan sumber daya manusia dan penggunaan energi.
Heliyon, e12611.
Jacob J., Jha K., Kotak P., Puthran S. Pendidikan teknik data mining dan nya
aplikasi. Dalam: Konferensi Internasional tentang Komputasi Ramah Lingkungan dan Internet of Things
(ICGCIoT) IEEE 2015; 2015. hal. 1344–1348.
Janczewski L., Colarik A. Perang dunia maya dan terorisme dunia maya. IGI Global; 2007.
Jara M., Mohamad F. Templat pedagogis untuk e-learning. WLE Centre, Institut Pendidikan, Universitas
London; 2007.
Jie W., Hai-yan L., Biao C., Yuan Z. Penerapan penambangan data pendidikan pada analisis perilaku
pembelajaran online siswa. Dalam: Konferensi Internasional ke-2 tentang Citra, Visi dan Komputasi
(ICIVC) IEEE tahun 2017; 2017. hal. 1011–1015.
Jovanovic, M., Vukicevic, M., Milovanovic, M., Minovic, M., 2012. Menggunakan penambangan data pada data
perilaku siswa dan gaya kognitif untuk meningkatkan sistem e-learning: studi kasus. Int. J.Komputasi.
Intel. sistem. 5 (3), 597–610.
Karegar M., Isazadeh A., Fartash F., Saderi T., Navin AH Penambangan data dengan pola berbasis
probabilitas. Dalam: Konferensi Internasional ITI 2008–30 tentang Antarmuka Teknologi
Informasi IEEE; 2008. hal. 353–360.
Kassab, M., DeFranco, J., Laplante, P., 2020. Tinjauan literatur sistematis tentang Internet of Things dalam
pendidikan: Manfaat dan tantangan. J.Komputasi. Membantu. Mempelajari. 36 (2), 115–127.
Katz, YJ, 2002. Sikap mempengaruhi preferensi mahasiswa untuk pembelajaran jarak jauh.
J.Komputasi. Membantu. Mempelajari. 18 (1), 2–9.
Kaur, H., Bathla, EG, 2018. Prediksi kinerja siswa menggunakan data pendidikan
teknik penambangan. Int. J. Pemberontakan Masa Depan. Hitung. Sains. Komunitas. bahasa Inggris 4 (12), 93–97.
Kausar, S., Huahu, X., Hussain, I., Wenhao, Z., Zahid, M., 2018. Integrasi data
pendekatan pengelompokan penambangan dalam sistem E-learning yang dipersonalisasi. Akses IEEE 6,
72724–72734.
Khanna L., Singh SN, Alam M. Pendidikan data mining dan perannya dalam menentukan
faktor-faktor yang mempengaruhi kinerja akademik siswa: Sebuah tinjauan sistematis. Dalam: Konferensi
internasional India pertama tentang pemrosesan informasi (IICIP) IEEE tahun 2016; 2016. hal. 1–7.
Machine Translated by Google
K. Aulakh dkk.
Khazaie, H., Lebni, JY, Abbas, J., Mahaki, B., Chaboksavar, F., Kianipour, N., dkk.,
2021. Status kecanduan internet dan faktor terkait di kalangan mahasiswa kedokteran: studi cross-
sectional di Iran Barat. Int. Q. Pendidikan Kesehatan Masyarakat. P.
0272684X211025438.
King, E., Boyatt, R., 2015. Menjelajahi faktor-faktor yang mempengaruhi adopsi e-learning dalam
pendidikan yang lebih tinggi. Sdr. J.Mendidik. Teknologi. 46 (6), 1272–1280.
Ko, S., Rossen, S., 2017. Pengajaran Online: Panduan Praktis. Routledge.
Koedinger KR, D'Mello S., McLaughlin EA, Pardos ZA, Rose CP Penambangan data dan pendidikan. Wiley
Interdisipliner. Ulasan: Ilmu Kognitif 2015;6(4):333–353.
Kumar, V., Chadha, A., 2011. Kajian empiris penerapan teknik data mining di perguruan tinggi. Int. J.Adv.
Hitung. Sains. Aplikasi. 2 (3).
Larose, DT, Larose, CD, 2014. Menemukan Pengetahuan dalam Data: Pengantar Data Mining, vol. 4. John
Wiley & Putra,.
Malhi, MS, Iqbal, U., Nabi, MM, Malhi, MAI, 2020. E-learning berbasis cloud
komputasi untuk institusi pendidikan: Masalah keamanan dan solusi. Int. J.Elektron.
Inf. bahasa Inggris 12 (4), 162–169.
McCarthy P., Boonthum-Denecke C. Bahasa alami terapan: identifikasi,
penyelidikan dan penyelesaian. Referensi Ilmu Informasi, Pennsylvania 2011;.
Micah, AE, Bhangdia, K., Cogswell, IE, Lasher, D., Lidral-Porter, B., Maddison, ER, dkk ., 2023. Investasi
global dalam kesiapsiagaan pandemi dan COVID-19: bantuan pembangunan dan belanja
dalam negeri kesehatan antara tahun 1990 dan 2026.
Lancet Glob. Kesehatan 11 (3), e385–e413.
Mitra, S., Acharya, T., 2005. Data Mining: Multimedia, Soft Computing, dan
Bioinformatika. John Wiley & Putra,.
Moradi, F., Ziapour, A., Abbas, J., Najafi, S., Rezaeian, S., Faraji, O., dkk., 2021.
Membandingkan faktor-faktor yang berhubungan dengan gaya hidup antara pasien diabetes tipe 2 dan
orang sehat: studi kasus-kontrol. Int. Q. Pendidikan Kesehatan Masyarakat. P.
0272684X211022158.
Naidu S. Desain instruksional untuk pembelajaran optimal. Buku Pegangan Pendidikan Jarak Jauh 2007;p.
247–258.
Nikou, S., Maslov, I., 2021. Analisis Perspektif Siswa Terhadap Partisipasi E-Learning – Kasus
Pandemi COVID-19. Int. J.Inf. Mempelajari. Teknologi.
Nisbet, R., Elder, J., Miner, G., 2009. Buku Pegangan Analisis Statistik dan Penambangan Data
Aplikasi. Pers akademis,.
Ong, CS, Lai, JY, Wang, YS, 2004. Faktor-faktor yang mempengaruhi penerimaan insinyur terhadap
sistem e-learning asinkron di perusahaan teknologi tinggi. Inf. Kelola. 41 (6), 795–804.
Pandit, D., Agrawal, S., 2021. Menjelajahi tantangan pendidikan online di masa COVID.
Bus FIIB. Pdt. hal. 2319714520986254.
Papamitsiou, ZK, Economides, AA, 2014. Analisis pembelajaran dan penambangan data pendidikan dalam
praktiknya: tinjauan literatur sistematis atas bukti empiris. J.Mendidik.
Teknologi. sosial. 17 (4), 49–64.
Pena-Ayala, ˜ A., 2014. Penambangan data pendidikan: Sebuah survei dan analisis berbasis data mining
dari karya-karya terbaru. Sistem Pakar. Aplikasi. 41 (4), 1432–1462.
Prabha, SL, Shanavas, AM, 2014. Aplikasi data mining pendidikan. Operasi. Res.
Aplikasi: Int. J. (ORAJ) 1 (1), 23–29.
Priatna, T., Maylawati, D., Sugilar, H., Ramdhani, M., 2020. Faktor kunci keberhasilan e-
pelaksanaan pembelajaran di perguruan tinggi. Int. J.Muncul. Teknologi. Mempelajari. (iJET) 15 (17), 101–
114.
Qiao, P., Zhu, X., Guo, Y., Sun, Y., Qin, C., 2021. Perkembangan dan adopsi pembelajaran online sebelum dan
pasca-covid-19: kombinasi teori evolusi sistem teknologi dan teori terpadu tentang penerimaan dan
penggunaan teknologi. J. Pembiayaan Risiko.
Kelola. 14 (4), 162.
Qureshi, R., AlManna, YM, Deshmukh, AP, 2013. Big data: meningkatnya tekanan pada penyimpanan global
oleh data yang dibuat di situs jejaring sosial. Int. J.Komputasi. Sains. Kelola. Res. 2 (3), 1876–1881.
Radha, R., Mahalakshmi, K., Kumar, VS, Saravanakumar, A., 2020. E-Learning selama lockdown pandemi
Covid-19: perspektif global. Int. J. Kontrol Otomatis. 13 (4), 1088–1099.
Rahmat, TE, Raza, S., Zahid, H., Abbas, J., Sobri, FAM, Sidiki, SN, 2022. Nexus
antara mengintegrasikan indeks kesiapan teknologi 2.0 dan adopsi layanan perpustakaan elektronik siswa
di tengah tantangan COVID-19: implikasi berdasarkan teori perilaku terencana. J.Mendidik. Promosi
Kesehatan. 11.
Rajab MH, Gazal AM, Alkattan K. Tantangan pendidikan kedokteran online selama
Pandemi covid-19. Penyembuhan 2020;12(7).
Rakic S., Pavlovic M., Softic S., Lalic B., Marjanovic U. Evaluasi siswa
kinerja di platform e-learning. Dalam: Konferensi Internasional ke-17 tentang Teknologi dan Aplikasi
eLearning yang Berkembang (ICETA) IEEE; 2019. hal. 681–686.
Rakic, S., Tasic, N., Marjanovic, U., Softic, S., Lüftenegger, E., Turcin, I., 2020. Kinerja siswa pada platform E-
learning: pendekatan metode campuran. Int. J.Muncul.
Teknologi. Mempelajari. 15, 2.
Raval, KM, 2012. Teknik data mining. Int. J.Adv. Res. Hitung. Sains. perangkat lunak. bahasa Inggris 2
(10).
Rawat, KS, Malhan, I., 2019. Metode klasifikasi hibrid berdasarkan pengklasifikasi pembelajaran mesin
untuk memprediksi kinerja dalam penambangan data pendidikan. Prosiding Konferensi Internasional
ke-2 tentang Komunikasi, Komputasi dan Jaringan. Springer, hal.677–684.
Ray, S., Saeed, M., 2018. Penerapan data mining pendidikan dan alat analisis pembelajaran dalam
menangani big data di pendidikan tinggi. Aplikasi. data besar Anal. Musim Semi 135–160.
Rodrigues, H., Almeida, F., Figueiredo, V., Lopes, SL, 2019. Melacak e-learning melalui makalah yang
diterbitkan: tinjauan sistematis. Hitung. Mendidik. 136, 87–98.
Rodrigues, MW, Isotani, S., Zarate, LE, 2018. Educational Data Mining: tinjauan proses evaluasi dalam e-
learning. Telem. - atik Menginformasikan. 35 (6), 1701–1717.
Romero, C., Ventura, S., 2010. Penambangan data pendidikan: tinjauan keadaan seni.
IEEE Trans. Syst., Man, Cybern., Bagian C. (Appl. Rev. ) 40 (6), 601–618.
16
Jurnal Internasional Perkembangan Pendidikan 101 (2023) 102814
Romero, C., Ventura, S., De, Bra, P., 2004. Penemuan pengetahuan dengan genetik
pemrograman untuk memberikan umpan balik kepada penulis courseware. Gunakan Model. Gunakan -Adapt.
Berinteraksi. 14 (5), 425–464.
Romero C., Ventura S., Pechenizkiy M., Baker RS Buku Panduan penambangan data pendidikan.
pers CRC; 2010.
Russell, TL, 2001. Fenomena tidak ada perbedaan yang signifikan: penelitian komparatif menjelaskan bibliografi
tentang teknologi untuk pendidikan jarak jauh. AL: Int. Pendidikan Jarak Jauh.
Sertifikat. Sen.
Sahoo S., dkk. Kesiapan elektronik dan persepsi calon guru terhadap pembelajaran daring di tengah pandemi
COVID-19. Tersedia di SSRN 3666914 2020;.
Sana B., Siddiqui IF, Arain QA Menganalisis kinerja akademik siswa melalui data mining pendidikan 2019.
Sangr` a, A., Vlachopoulos, D., Cabrera, N., 2012. Membangun definisi inklusif e- learning: Suatu pendekatan
terhadap kerangka konseptual. Int. Pdt. Res. Buka Distribusi.
Mempelajari. 13 (2), 145–159.
Saxena, C., Baber, H., Kumar, P., 2021. Meneliti pengaruh moderasi manfaat yang dirasakan dari menjaga
jarak sosial terhadap kualitas e-learning selama pandemi COVID-19. J.Mendidik. Teknologi. sistem.
49 (4), 532–554.
S¸ en, B., Uçar, E., Delen, D., 2012. Memprediksi dan menganalisis skor tes penempatan pendidikan
menengah: Pendekatan penambangan data. Sistem Pakar. Aplikasi. 39 (10), 9468–9476.
Shahiri, AM, Husain, W., dkk., 2015. Review prediksi kinerja siswa menggunakan teknik data mining.
Komputasi Procedia. Sains. 72, 414–422.
Shoib, S., Buitrago, JG, Shuja, K., Aqeel, M., de Filippis, R., Abbas, J., dkk., 2022.
Faktor sosiokultural perilaku bunuh diri di negara berkembang selama COVID-19.
L'encephale 48 (1), 78–82.
Shvets O., Murtazin K., Piho G. Memberikan Umpan Balik bagi Siswa dalam Sistem E-Learning: Tinjauan
Literatur, berdasarkan IEEE Explore Digital Library. Dalam: Konferensi Pendidikan Teknik Global
(EDUCON) IEEE 2020 IEEE; 2020. hal. 284–289.
Siemens, G., 2008. Belajar dan mengetahui dalam jaringan: Mengubah peran pendidik dan
desainer. Diskusi ITForum. 27 (1), 1–26.
Silva, C., Fonseca, J., 2017. Penambangan data pendidikan: tinjauan literatur. euro. MENA
Mengurung. Adv. Inf. - Komuni. Teknologi. 87–94.
Silva, D., Randombage, P., Gankanda, W., Abeysekara, N., Edirisinghe, V.,
Chandrathilake, M., 2021. Evaluasi pendidikan kedokteran jarak jauh berbasis web untuk sarjana di Sri
Lanka. Sri Lanka J. Kebidanan. Ginekol. 43 (1).
Soni, VD, 2019. IOT dihubungkan dengan e-learning. Vishal Dineshkumar Soni. Koneksi IOT. e-Belajar. Int.
J.Integrasi. Mendidik. 2 (5), 273–277, 2019.
Stoetzel, L., Shedrow, S., 2021. Melakukan Transisi ke Metode Virtual di Kelas Literasi: Membingkai Ulang
Praktik Pendidikan Guru. Dalam: Excelsior: Kepemimpinan dalam Pengajaran dan Pembelajaran, 13,
hlm.127–142. ÿ
Su, Z., McDonnell, D., Wen, J., Kozak, M., Abbas, J., Segalo, S., dkk., 2021. Mental
konsekuensi kesehatan dari liputan media COVID-19: perlunya praktik komunikasi krisis yang efektif.
Gumpal. Kesehatan 17 (1), 1–8. ÿ
Su, Z., Cheshmehzangi, A., Bentley, BL, McDonnell, D., Segalo, S., Ahmad, J., dkk., 2022. Intervensi berbasis
teknologi untuk tantangan kesehatan yang dihadapi perempuan lanjut usia di tengah COVID-19 : protokol
tinjauan sistematis. sistem. Wahyu 11 (1), 1–8.
Sumathi, S., Sivanandam, S., 2006. Pengantar Data Mining dan Aplikasinya, vol.
29. Peloncat.
Sun, PC, Tsai, RJ, Finger, G., Chen, YY, Yeh, D., 2008. Apa yang mendorong keberhasilan e- Learning?
penyelidikan empiris tentang faktor-faktor penting yang mempengaruhi kepuasan pelajar. Hitung.
Mendidik. 50 (4), 1183–1202.
Swan, K., 2020. Pengajaran dan pembelajaran dalam pendidikan jarak jauh pasca industri. Pengantar
Rute Pendidikan Jarak Jauh, hal. 67–89.
Tang, H., Xing, W., Pei, B., 2019. Waktu sangat penting: Memahami waktu
dimensi pembelajaran online menggunakan data mining pendidikan. J.Mendidik. Hitung. Res. 57 (5), 1326–
1347.
Tawafak R., AlFarsi G., Jabbar J., Malik SI, Mathew R., AlSidiri A., dkk. Dampak dari
Teknologi Selama Pandemi COVID-19 untuk Meningkatkan Niat Perilaku Menggunakan E-learning 2021;.
Thai-Nghe, N., Drumond, L., Krohn-Grimberghe, A., Schmidt-Thieme, L., 2010.
Sistem rekomendasi untuk memprediksi kinerja siswa. Komputasi Procedia. Sains. 1 (2), 2811–2819.
Tomasevic, N., Gvozdenovic, N., Vranes, S., 2020. Gambaran umum dan perbandingan teknik
penambangan data yang diawasi untuk prediksi kinerja ujian siswa.
Hitung. Mendidik. 143, 103676.
Vai, M., Sosulski, K., 2011. Esensi Desain Kursus Online: Panduan Berbasis Standar.
Routledge.
Vialardi-Sacín C., Shaftr L., Braver J., Ortigosa A. Rekomendasi di perguruan tinggi menggunakan teknik data
mining. Universitas Cordoba; 2009.
Wan, S., Niu, Z., 2019. Pendekatan rekomendasi e-learning hybrid berdasarkan propagasi pengaruh
peserta didik. Pengetahuan Transaksi IEEE. Data Bahasa Inggris. 32 (5), 827–840.
Wang, XY, Li, G., Malik, S., Anwar, A., 2021. Dampak COVID-19 terhadap pencapaian tujuan pembangunan
berkelanjutan: E-learning dan produktivitas pendidikan. ekonomi. Res.
ÿ
-Ekon. Istrazivanja 1–17.
Wang, YS, 2003. Penilaian kepuasan peserta didik dengan elektronik asynchronous
sistem pembelajaran. Inf. Kelola. - Ment. 41 (1), 75–86.
Penambangan data Pendidikan Whitley LA dan kegunaannya untuk memprediksi yang paling makmur
lingkungan belajar 2018.
Wiliam, D., Thompson, M., 2008. Mengintegrasikan Penilaian dengan Pembelajaran: Apa yang Diperlukan
untuk Membuatnya Berhasil? Routledge.
Witten, I., Frank, E., Hall, M., Pal, C., 2017. Data Mining: Alat dan Teknik Pembelajaran Mesin Praktis.
Elsevier Inc.
Wolfinger S. Sebuah studi kasus eksplorasi prestasi akademik siswa sekolah menengah
di sekolah virtual yang sepenuhnya online. Universitas Drexel; 2016.
Machine Translated by Google
K. Aulakh dkk.
Yao, J., Ziapour, A., Abbas, J., Toraji, R., NeJhaddadgar, N., 2022. Menilai kebutuhan kesehatan
terkait pubertas di kalangan anak laki-laki berusia 10–15 tahun: pendekatan studi cross-sectional.
Lengkungan. De. P´ediatrie 29 (4), 307–311.
Yildiz, EP, Cengel, M., Alkan, A., 2020. Tren terkini dalam teknologi pendidikan
penelitian di seluruh dunia: Meta-analisis studi antara 2015-2020. Dunia J. Pendidikan.
Teknologi.: Curr. Edisi 12 (3), 192–206.
Yu, S., Abbas, J., Draghici, A., Negulescu, OH, Ain, NU, 2022. Penerapan media sosial sebagai
paradigma baru komunikasi bisnis: peran pengetahuan COVID-19, jarak sosial, dan sikap
preventif. Depan. Psikologi. 13.
Zarei, S., Mohammadi, S., 2021. Tantangan pendidikan tinggi terkait e-learning di negara berkembang
selama penyebaran COVID-19: tinjauan terhadap perspektif mahasiswa, instruktur,
pembuat kebijakan, dan pakar TIK. Mengepung. Sains. Polusi. Res. 1–7.
17
Jurnal Internasional Perkembangan Pendidikan 101 (2023) 102814
Zhang, D., Zhao, JL, Zhou, L., Nunamaker Jr, JF, 2004. Bisakah e-learning menggantikan
pembelajaran di kelas? Komunitas. ACM 47 (5), 75–79.
Zhang W., Qin S. Analisis singkat tentang teknologi utama dan aplikasi penambangan data pendidikan
pada platform pembelajaran online. Dalam: Konferensi Internasional ke-3 IEEE tentang Analisis
Big Data (ICBDA) IEEE 2018; 2018. hal. 83–86.
Zhou, Y., Draghici, A., Abbas, J., Mubeen, R., Boatca, ME, Salam, MA, 2022. Kemanjuran media
sosial dalam manajemen krisis: efektivitas intervensi non-farmasi untuk mengelola
COVID-19
¨ tantangan. Depan. Psikiatri 1732.
ZoriA, AB, dkk., 2020. Manfaat data mining pendidikan. J.Int. Bis. Res. Tanda. 6 (1), 12–16.