<![CDATA[Abstrak: Perkembangan teknologi e-learning sudah sangat pesat, hal ini ditandai dengan munculnya sejumlah perangkat lunak seperti: moodle, Atutor, LRN, Dukeos dan lain sebagainya, disisi lain adanya keterbatasan e-learning dapat menghambat kemajuan proses pembelajaran, dimana hambatan yang muncul adalah dalam mengoperasionalkan proses pembelajaran dan proses kognitif mahasiswa. Sistem e-learning adaptif dikembangkan atas asumsi bahwa model pembelajaran individual mampu memberikan hasil yang lebih baik dari pada model pembelajaran lainnya. Digunakan Jaringan Bayesian dalam menentukan model pengguna dan dipilih Model Gaya Belajar Dunn & Dunn untuk menentukan ke-adaptif-an sebuah e-learning. Dalam pengembangan aplikasi digunakan model pengembangan perangkat lunak sequencial linear, tahap analisa digunakan Unifed Modelling Language (UML), seperti : Use Case Diagram, Activity Diagram dan Deployment Diagram, sedangkan tahap pemberian kodenya menggunakan PHP. Penentuan model pengguna dengan Jaringan Bayesian ditetapkan 4 parameter, yaitu : Persepsi kemudahan penggunaan (C1), Motivasi (C2), Sikap dalam penggunaan (C3) dan Penerimaan terhadap e-learning (C4). Hasil dari perhitungan terhadap paramater-parameter ini mengarah ke model gaya belajar Dunn & Dunn yang mendasarkan kepada kesamaan fungsionalnya. Hasil dari analisa dihasilkan 9 page dalam mendukung tercapainya e-learning adaptif ini, dimana ada 3 page utama, yaitu : page model perkuliahan berbasis teks, page model perkuliahan berbasis visual & suara dan page model perkuliahan berbasis image & teks yang dapat menjadi pilihan mahasiswa dalam belajar. Pengujian untuk sistem ini dilakukan dengan menggunakan Blackbox Testing bertipe Functional Testing. Penelitian ini telah berhasil memodelkan e-learning adaptif dengan menentukan model pengguna menggunakan Jaringan Bayesian dan model Dunn & Dunn untuk model gaya belajar mahasiswa. Pengembangan e-learning adaptif ini perlu dilakukan penelitian lebih lanjut dengan berbagai model gaya belajar seperti : Felder Silverman atau Kolb. Kata kunci: e-learning adaptive, style learning.]]>
Copyrights © 2020
