RRI.CO.ID, Surabaya - Tren pembelajaran daring yang berorientasi pada nilai akhir kerap memicu kegagalan evaluasi belajar. Lulusan Departemen Teknik Elektro Institut Teknologi Sepuluh Nopember, Dr Bruri Trya Sartana, mengembangkan sistem peringatan dini berbasis perilaku belajar.

Sistem memanfaatkan data perilaku untuk mengidentifikasi risiko akademik pembelajaran daring. Bruri menyebut LMS berpotensi memunculkan pola kegagalan belajar.

“Evaluasi akhir yang hanya memanfaatkan nilai akhir kurang efektif,” katanya, Sabtu, 21 Februari 2026. Ia menganalisis jejak digital berupa akses materi, interaksi, dan penyelesaian tugas.

Data tersebut memetakan pola yang berkontribusi terhadap kegagalan belajar. Dosen Universitas Budi Luhur itu menilai risiko akademik bersifat multidimensional.

“Faktor demografis turut diukur terhadap kemungkinan risiko kegagalan,” ucapnya. Penelitian menggunakan pendekatan machine learning non-linear untuk memodelkan hubungan variabel.

Dataset utama berasal dari Open University melalui OULAD dan divalidasi data LMS Moodle. Ia menerapkan model CatBoost dengan optimasi hiperparameter menggunakan Optuna.

"Distribusi data seimbang membuat evaluasi lebih stabil dan minim bias,” ujarnya. Hasilnya, CatBoost menunjukkan performa unggul berdasarkan AUC dan akurasi.

“Model ini mampu mendeteksi mahasiswa berisiko sebelum evaluasi akhir,” ucapnya. Bruri merancang sistem peringatan dini dalam tiga tahap waktu.

“Sistem memproyeksikan risiko hingga potensi keterlambatan kelulusan,” katanya. Tahap pendek mendeteksi penurunan keterlibatan seperti keterlambatan tugas.

“Tahap panjang memproyeksikan ketidaktercapaian target kelulusan tepat waktu,” ujarnya. Temuan ini memperkuat integrasi LMS dan machine learning non-linear. .