Pengembangan Plugin Moodle Edulog Insight Menggunakan Metodologi SDLC Waterfall Untuk Menganalisis Perilaku Pembelajaran Mahasiswa

Yusuf, Rafi Arian (2025) Pengembangan Plugin Moodle Edulog Insight Menggunakan Metodologi SDLC Waterfall Untuk Menganalisis Perilaku Pembelajaran Mahasiswa. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5026211177-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Latar Belakang: Perkembangan Teknologi Informasi dan Komunikasi (TIK) telah mendorong implementasi Learning Management System (LMS) seperti Moodle, yang digunakan untuk memfasilitasi pembelajaran digital. Moodle mencatat interaksi mahasiswa melalui event log, yang menyimpan data terkait aktivitas mahasiswa. Data ini memiliki potensi besar untuk memberikan wawasan terkait perilaku mahasiswa dan korelasinya dengan prestasi akademik. Namun, data tersebut perlu diolah untuk menganalisis pola perilaku alternatif. Dalam Tugas Akhir ini, dikembangkan sebuah plugin Moodle yang mengotomatisasi analisis data log dengan mengintegrasikan learning analytics. Plugin ini bertujuan membantu dosen dalam memahami interaksi mahasiswa serta meningkatkan efektivitas strategi pengajaran. Permasalahan: Event log Moodle hanya menyediakan data mentah tanpa analisis otomatis yang mendalam untuk melakukan analisis perilaku pelajar dalam penggunaan LMS. Hal ini menyulitkan dosen dan pemangku kepentingan dalam perguruan tinggi untuk memahami aktivitas pembelajaran mahasiswa yang mungkin berdampak pada prestasi akademiknya. Selain itu, proses analisis yang dilakukan secara manual sering kali memakan banyak waktu dan rentan terhadap kesalahan. Tujuan: Penelitian ini bertujuan untuk mengembangkan plugin Moodle bernama Edulog Insight yang mampu mengotomatisasi proses analisis data log aktivitas pembelajaran mahasiswa. Plugin ini dirancang untuk menghasilkan visualisasi serta wawasan yang bermanfaat kepada dosen dengan mengidentifikasi pola interaksi mahasiswa pada LMS terhadap prestasi akademik. Sehingga dosen dapat meningkatkan efektivitas strategi pengajaran serta memberikan umpan balik yang lebih personal. Metode: Pengembangan plugin dilakukan menggunakan metode Software Development Life Cycle (SDLC) model Waterfall. Proses dimulai dari analisis kebutuhan, desain sistem menggunakan iconix process, implementasi, hingga pengujian. Plugin ini memanfaatkan pendekatan learning analytics untuk memvisualisasikan proses pembelajaran dan pola perilaku alternatif mahasiswa. Proses pengujian dilakukan untuk memastikan bahwa plugin dapat menghasilkan analisis yang akurat serta relevan bagi pemangku kepentingan. Hasil: Hasil dari penelitian ini menunjukkan bahwa sistem yang dikembangkan berhasil mengotomatisasi proses ekstraksi dan analisis data log aktivitas mahasiswa dari platform Moodle. Melalui implementasi plugin bertipe local plugin, sistem ini mampu menyajikan data statistik interaktif terkait frekuensi kunjungan mahasiswa ke materi pembelajaran yang telah dipetakan ke dalam capaian pembelajaran mata kuliah (CPMK). Pengolahan data log dilakukan menggunakan pendekatan yang mendukung deteksi pola perilaku belajar mahasiswa serta keterkaitannya dengan pencapaian nilai akhir. Pengujian fungsional menunjukkan bahwa seluruh fitur utama dapat berjalan dengan baik sesuai kebutuhan yang telah didefinisikan pada tahap perancangan sistem. Manfaat: Manfaat utama dari pengembangan sistem ini adalah memberikan alat bantu bagi dosen dan tenaga pendidikan untuk memantau keterlibatan mahasiswa dalam kegiatan pembelajaran daring secara lebih terstruktur dan berdasarkan atas data. Selain itu, plugin ini dapat digunakan untuk mengidentifikasi pola akses yang tidak seimbang terhadap materi pembelajaran tertentu, sehingga dapat dijadikan dasar dalam evaluasi kurikulum dan strategi pengajaran. Di sisi teknis, sistem ini juga menjadi contoh implementasi integrasi antara learning analytics dan Learning Management System (LMS) yang dapat direplikasi pada platform serupa.
======================================================================================================================================
Background: The development of Information and Communication Technology (ICT) has encouraged the implementation of Learning Management System (LMS) such as Moodle, which is used to facilitate digital learning. Moodle records student interactions through event logs, which store data related to student activities. This data has great potential to provide insights into student behavior and its correlation with academic performance. However, the data needs to be further processed using approaches such as learning analytics to analyze alternative behavior patterns. In this Final Project, a Moodle plugin is developed that automates log data analysis. This plugin aims to assist lectures in understanding student interactions in depth and improve the effectiveness of teaching strategies. Problem: Moodle event logs only provide raw data without in-depth automated analysis to perform learner behavior analysis in LMS usage. This makes it difficult for lecturers and stakeholders in higher education to understand the correlation between student learning activities and student academic performance. In addition, the manual analysis process is often time-consuming and error-prone. Purpose: This research aims to develop a Moodle plugin called EduLog Insight that can automate the process of analyzing student learning activities log data. This plugin is designed to integrate and to produce visualization and useful insights for lecturers. So that lecturers can improve the effectiveness of teaching strategies. Methods: The Plugin development was carried out using the Software Development Life Cycle (SDLC) method of utilizing the Waterfall model. The process start from requirement analysis, system design, implementation, to testing. This plugin visualize learning process and alternative behavior pattern of students. The testing process is conducted to ensure that the plugin can produce accurate and relevant analysis for stakeholders. Results: The developed system successfully automates the extraction and analysis of student activity log data from the Moodle platform. Through the implementation of a local-type plugin, the system is capable of presenting interactive statistical data related to the frequency of student visits to learning materials that have been mapped to course learning outcomes (CPMK). The log data processing supports the detection of learning behavior patterns and their correlation with final academic performance. Functional testing indicates that all core features operate properly and meet the requirements defined during the system design phase. Benefits: The main benefit of this system development is to provide a tool for lecturers and academic staff to monitor student engagement in online learning activities in a more structured and data-driven manner. Additionally, the plugin can be used to identify imbalanced access patterns to specific learning materials, which can serve as a basis for curriculum evaluation and teaching strategy improvement. From a technical perspective, the system also serves as an example of integrating learning analytics with a Learning Management System (LMS), which can be replicated on similar platforms.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Plugin Moodle, Learning Analytics, Iconix Process, Plugin Moodle, Learning Analytics, ICONIX Process
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing T Technology > T Technology (General) > T58.62 Decision support systems
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Rafi Arian Yusuf
Date Deposited:	24 Jul 2025 06:02
Last Modified:	24 Jul 2025 06:48
URI:	http://repository.its.ac.id/id/eprint/121190

Actions (login required)

View Item