<![CDATA[Penelitian ini bertujuan untuk merancang dan mengembangkan Sistem Informasi Pembelajaran Adaptif (SIPA) di lingkungan pendidikan tinggi yang mampu menyesuaikan konten, jalur, dan kecepatan belajar berdasarkan karakteristik unik setiap mahasiswa. Metode yang digunakan adalah Research and Development (R&D) dengan pendekatan System Development Life Cycle (SDLC) dan berfokus pada integrasi algoritma Machine Learning (ML), khususnya Model Collaborative Filtering. Tujuan utama ML adalah mempersonalisasi rekomendasi materi ajar dan menilai tingkat penguasaan konsep secara dinamis. Hasil rancang bangun menunjukkan bahwa SIPA berhasil diimplementasikan, menyediakan fitur analisis kinerja mahasiswa real-time dan kemampuan untuk memprediksi risiko kegagalan akademis. Temuan penting mencakup tingginya akurasi model Collaborative Filtering (mencapai 89%) dalam merekomendasikan materi tambahan yang relevan, serta peningkatan signifikan pada tingkat keterlibatan mahasiswa. Sebagai simpulan, SIPA berbasis ML ini menawarkan platform yang efektif dan efisien untuk mempersonalisasi pengalaman belajar, yang krusial untuk meningkatkan kualitas dan hasil pembelajaran di pendidikan tinggi]]>
Copyrights © 2026
