Analisis Perilaku Mahasiswa Dalam Menyelesaikan Tugas Dan Ujian Menggunakan Process Mining Dan Sword Framework Untuk Meningkatkan Proses Pembelajaran

Propitadewa, Hardhika (2024) Analisis Perilaku Mahasiswa Dalam Menyelesaikan Tugas Dan Ujian Menggunakan Process Mining Dan Sword Framework Untuk Meningkatkan Proses Pembelajaran. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5026201015-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (4MB) | Request a copy

Abstract

Latar Belakang: Sejalan dengan kemajuan teknologi pendidikan, lamanya waktu yang dihabiskan oleh pelajar dalam beraktivitas di depan layar menjadi sebuah aspek penting yang mencerminkan perubahan pola pembelajaran. Penggunaan berbagai platform pembelajaran online telah membentuk pola perilaku pelajar yang terekam di depan layar, menciptakan suatu sumber data yang berharga untuk dianalisis guna memprediksi kinerja akademis. Permasalahan: Keterbatasan Business Process Management (BPM) tools dalam mencatat aktivitas di luar sistem menjadi hambatan signifikan dalam menganalisis pola interaksi pelajar saat mengerjakan tugas dan ujian mata kuliah. Untuk mengatasi hal ini, diperlukan metode pengumpulan data dinamis di luar sistem guna mendapatkan wawasan yang lebih komprehensif terkait strategi interaksi pelajar. Penerapan solusi ini diharapkan dapat memberikan pemahaman mendalam terhadap faktor-faktor yang memengaruhi perilaku mahasiswa ketika mengerjakan tugas dan ujian mata kuliah Manejemen Proses Bisnis. Selain itu, solusi ini juga diharapkan dapat membantu dalam mengenali dampak perilaku belajar mahasiswa dilihat dari student wellbeing dan kinerjanya. Tujuan: Penelitian ini bertujuan untuk menemukan pola perilaku pelajar dalam menyelesaikan tugas dan ujian mata kuliah Manajemen Proses Bisnis, sehingga nantinya dapat memberikan rekomendasi kepada pengajar terkait peningkatan proses pembelajaran yang dilihat berdasarkan student wellbeing dan kinerja mahasiswa.
Metode: Penelitian ini menggunakan pendekatan process mining dan semi-automated workaround detection dengan memanfaatkan event logs dari teknik pengumpulan data menggunakan Active Window Tracking (AWT). Data event logs yang digunakan meliputi app, type, title, dan timestamp. Data tersebut diekstrasi melalui aplikasi Tockler.io dan kemudian diolah menggunakan tools Apromore. Model proses aktual yang dihasilkan akan dianalisis guna menemukan pola perilaku mahasiswa saat pengerjaan tugas dan ujian mata kuliah MPB.
Hasil: Hasil penelitian ini menunjukkan bahwa pola perilaku pelajar dalam mengerjakan tugas dan ujian Manajemen Proses Bisnis memberikan wawasan penting bagi pengajar. Analisis pola perilaku menunjukkan bahwa terdapat pola perilaku pelajar yang berkaitan dengan student wellbeing yaitu pengerjaan tugas hingga melewati tengah malam, dan pola ini cenderung berhubungan dengan nilai yang lebih baik. Selain itu, terdapat beberapa pola perilaku yang berkaitan dengan kinerja yaitu pola kecurangan selama UTS, adanya workaround pattern berdiam lama pada modeling tools, dan adanya intensitas media multitasking yang berpengaruh terhadap nilai yang didapatkan. Temuan ini menyoroti perlunya pengaturan ulang waktu pengumpulan dan durasi pengerjaan tugas dalam periode waktu tertentu, penerapan data event log sebagai parameter penilaian ujian, serta penggunaan Facial Expression Recognition (FER) untuk memahami perasaan internal pelajar selama pengerjaan UTS. Manfaat: Penelitian tugas akhir ini memberikan gambaran kepada pengajar terkait pola perilaku pelajar ketika mengerjakan tugas dan ujian sehingga dapat melihat dampaknya terhadap nilai yang didapatkan pelajar serta memberikan rekomendasi yang sesuai dengan pola perilaku tersebut. Penelitian tugas akhir ini juga memberikan kontribusi dalam penerapan process mining pada sektor pendidikan Indonesia, khususnya dalam menganalisis pola perilaku pelajar saat pengerjaan tugas dan ujian mata kuliah. Melalui contoh kasus implementasi menggunakan PM2 dan analisis eksploratif, penelitian ini tidak hanya bermanfaat bagi sektor pendidik, tetapi juga memberikan umpan balik rinci kepada pelajar untuk meningkatkan pemahaman mereka terhadap perilaku dan kinerja selama pengerjaan tugas dan ujian mata kuliah.
=================================================================================================================================
Background: In line with the advancement of educational technology, the amount of time spent by students engaging with screens has become a crucial aspect that reflects the changing patterns of learning. The use of various online learning platforms has shaped the behavior of students recorded on screens, creating a valuable data source for analysis to predict academic performance. Problem: The limitations of Business Process Management (BPM) tools in recording activities outside the system pose a significant barrier in analyzing student interaction patterns during coursework and exams. To address this issue, a dynamic data collection method outside the system is needed to gain a more comprehensive understanding of student interaction strategies. Implementing this solution is expected to provide deeper insights into the factors influencing student behavior during coursework and exams in the Business Process Management course. Additionally, this solution is also expected to help recognize the impact of students' learning behavior on their wellbeing and performance. Purpose: This research aims to identify student behavior patterns in completing assignments and exams in the Business Process Management course. The goal is to provide recommendations to instructors on improving the learning process, based on student wellbeing and academic performance. Methods: This research employs a process mining approach and semi-automated workaround detection using event logs collected through Active Window Tracking (AWT). The event log data includes app, type, title, and timestamp. This data is extracted using the Tockler.io application and then processed using Apromore tools. The actual process models generated will be analyzed to identify student behavior patterns during the completion of assignments and exams in the BPM course. Results: The results of this study indicate that student behavior patterns in completing assignments and exams in Business Process Management provide valuable insights for instructors. The behavior pattern analysis reveals that there are student behavior patterns related to student wellbeing, such as working on assignments past midnight, and this pattern tends to be associated with better grades. Additionally, there are several behavior patterns related to performance, including cheating patterns during mid-term exams, workaround patterns involving prolonged periods using modeling tools, and the intensity of media multitasking affecting the grades obtained. These findings highlight the need to reschedule submission deadlines and assignment durations within certain periods, implement event log data as a parameter for exam assessment, and use Facial Expression Recognition (FER) to understand students' internal feelings during mid-term exams. Benefits: This final project research provides instructors with insights into student behavior patterns when completing assignments and exams, allowing them to see the impact on students' grades and offer recommendations aligned with these behavior patterns. The research also contributes to the application of process mining in Indonesia's education sector, specifically in analyzing student behavior patterns during coursework and exams. Through a case study implementation using PM2 and exploratory analysis, this research not only benefits educators but also provides detailed feedback to students to enhance their understanding of their behavior and performance during coursework and exams.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Pola Perilaku Pelajar, Student Behavior Patterns, Active Window Tracking, Process Mining, Workaround
Subjects:	T Technology > T Technology (General) > T58.6 Management information systems
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Hardhika Propitadewa
Date Deposited:	19 Jul 2024 08:09
Last Modified:	19 Jul 2024 08:09
URI:	http://repository.its.ac.id/id/eprint/108516

Actions (login required)

View Item