<![CDATA[The need for an online learning system that can adapt materials, activities, and learning recommendations to individual characteristics, learning styles, and mastery levels has driven the development of a prototype that integrates Artificial Intelligence (AI) into a Learning Management System (LMS) to support personalized student learning. This study aims to design and test an adaptive AI-based LMS prototype that can improve student effectiveness, efficiency, and engagement in the learning process. This study used the Research and Development (R&D) method, following the Lee and Owens model, and was limited to the implementation stage. The trial results indicate that the prototype is feasible to develop and falls into the very feasible category. The study deemed the purpose, content structure, scope, functionality, and scalability very adequate. The highest-rated aspects were technical risks and tangible user benefits, indicating confidence that the prototype can make a significant contribution to learning effectiveness. The prototype meets design and implementation feasibility standards. However, it needs improvements in security, privacy, and technical performance to support personalized learning more effectively and sustainably, in accordance with education regulations and data protection. Abstrak Kebutuhan akan sistem pembelajaran daring yang mampu menyesuaikan materi, aktivitas, dan rekomendasi belajar sesuai karakteristik, gaya belajar, serta tingkat penguasaan individu, sehingga mendorong pengembangan prototipe integrasi Artificial Intelligence (AI) dalam Learning Management System (LMS) untuk mendukung personalisasi pembelajaran mahasiswa. Penelitian ini bertujuan untuk merancang dan menguji prototipe LMS berbasis AI yang adaptif, sehingga dapat meningkatkan efektivitas, efisiensi, dan keterlibatan mahasiswa dalam proses belajar. Penelitian ini menggunakan metode Research and Development (R&D) dengan model Lee dan Owens, serta dibatasi hingga tahap implementasi terbatas. Hasil uji coba menunjukkan bahwa prototipe layak dikembangkan dalam kategori sangat layak. Aspek tujuan, struktur konten, ruang lingkup, fungsionalitas, dan skalabilitas dinilai sangat memadai. Aspek dengan penilaian tertinggi adalah risiko teknis yang dipertimbangkan dan manfaat nyata bagi pengguna, yang menunjukkan keyakinan bahwa prototipe dapat memberikan kontribusi signifikan terhadap efektivitas pembelajaran. Prototipe telah memenuhi standar kelayakan desain dan implementasi, namun perlu penyempurnaan pada aspek keamanan, privasi, dan performa teknis agar dapat mendukung personalisasi pembelajaran secara lebih optimal, berkelanjutan, serta sesuai dengan regulasi pendidikan dan perlindungan data. Kata Kunci: kecerdasan buatan; learning management system; personalisasi pembelajaran ]]>
Copyrights © 2026
