Personalized Learning Recommendations Dari Jejak Media Sosial Dan LMS: Dampak Pada Keterlibatan Siswa (Studi Kasus Di Sman 5 Medan)

Abstrak

Perkembangan teknologi digital telah mendorong pemanfaatan Learning Management System (LMS) dan media sosial sebagai sumber data untuk mendukung pembelajaran yang lebih adaptif. Namun, sebagian besar LMS masih memberikan materi yang bersifat umum tanpa mempertimbangkan karakteristik dan preferensi belajar setiap siswa. Penelitian ini bertujuan mengembangkan sistem Personalized Learning Recommendation berbasis jejak media sosial dan aktivitas LMS untuk meningkatkan keterlibatan (student engagement) siswa di SMAN 5 Medan. Metode penelitian menggunakan pendekatan Design Science Research (DSR) yang meliputi identifikasi kebutuhan, pengumpulan dan prapemrosesan data, perancangan model, pengembangan sistem, serta evaluasi performa. Sistem rekomendasi dikembangkan menggunakan pendekatan Hybrid Recommendation yang mengombinasikan content-based filtering dan collaborative filtering dengan memanfaatkan data aktivitas LMS dan preferensi belajar siswa. Hasil evaluasi menunjukkan bahwa model yang dikembangkan memperoleh Accuracy sebesar 97%, Precision 96%, Recall 95%, F1-Score 95%, NDCG@10 94%, dan MAP@10 93%, yang menunjukkan kemampuan sistem dalam menghasilkan rekomendasi pembelajaran yang akurat dan relevan. Implementasi sistem juga meningkatkan student engagement, yaitu behavioral engagement dari 68% menjadi 88%, emotional engagement dari 70% menjadi 90%, dan cognitive engagement dari 65% menjadi 87%. Hasil penelitian menunjukkan bahwa sistem Personalized Learning Recommendation mampu mendukung pembelajaran yang lebih personal, adaptif, dan efektif. Kontribusi penelitian ini terletak pada integrasi data LMS dan jejak media sosial dalam pengembangan sistem rekomendasi pembelajaran berbasis kecerdasan buatan untuk meningkatkan kualitas pembelajaran digital.