Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) ISSN: 2252-9063
Rapelda U. Mada Ibpa Br Tarigan
Universitas Pendidikan Ganesha
Computer Science & IT Education

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Transparansi dan Akuntabilitas Kecerdasan Buatan dalam Learning analytics: Studi PRISMA 2020–2026 Rapelda U. Mada Ibpa Br Tarigan; I Gede Partha Sindu; I Nyoman Indhi Wiradika
KARMAPATI (Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika) Vol. 15 No. 2 (2026): [ONGOING] Karmapati Vol 15 No 2 Tahun 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/karmapati.v15i2.115485

Abstract

Penerapan kecerdasan buatan (AI) dalam bidang pendidikan berkembang pesat, khususnya dalam domain learning analytics. Dalam konteks meningkatnya penggunaan AI dalam learning analytics, kebutuhan akan transparansi dan akuntabilitas dalam pengambilan keputusan menjadi semakin penting, terutama karena hasil analisis dapat berdampak langsung pada evaluasi dan intervensi terhadap peserta didik. Namun, sifat black-box dari sebagian besar model AI menimbulkan permasalahan terkait keterbacaan, kepercayaan, dan akuntabilitas keputusan. Explainable Artificial Intelligence (XAI) hadir sebagai solusi untuk menjembatani celah tersebut. Tinjauan sistematis literatur ini bertujuan memetakan perkembangan penelitian XAI dalam konteks learning analytics selama periode 2020–2026 menggunakan basis data Dimensions. Proses seleksi mengikuti pedoman PRISMA 2020 yang menghasilkan 34 artikel yang memenuhi kriteria inklusi dari 500 artikel yang teridentifikasi. Analisis mencakup tren publikasi, distribusi jurnal, pola sitasi, teknik XAI yang digunakan, serta konteks aplikasi. Hasil menunjukkan peningkatan signifikan jumlah publikasi, terutama pada tahun 2025. Teknik SHAP (SHapley Additive exPlanations) mendominasi sebagai metode XAI yang paling banyak diterapkan, diikuti oleh LIME dan pendekatan berbasis counterfactual. Fokus penelitian didominasi oleh prediksi performa akademik, deteksi dini siswa berisiko putus studi (dropout), dan identifikasi faktor risiko pembelajaran. Temuan tinjauan ini diharapkan dapat memberikan panduan bagi peneliti dan praktisi pendidikan dalam mengembangkan sistem learning analytics yang transparan, dapat dijelaskan, dan bertanggung jawab.
Co-Authors I Nyoman Indhi Wiradika Sindu, I Gede Partha