Implementasi Adaptive Learning Berbasis Kecerdasan Buatan untuk Personalisasi Pembelajaran di Perguruan Tinggi

Sistem pembelajaran konvensional di perguruan tinggi seringkali menerapkan metode satu ukuran untuk semua (one-size-fits-all), yang kurang mengakomodasi perbedaan kemampuan individual mahasiswa. Hal ini berdampak pada rendahnya efektivitas penyerapan materi oleh mahasiswa dengan karakteristik belajar yang beragam. Penelitian ini bertujuan untuk merancang dan mengimplementasikan model adaptive learning berbasis kecerdasan buatan (Artificial Intelligence) guna mempersonalisasi jalur belajar mahasiswa secara otomatis berdasarkan tingkat pemahaman dan kecepatan belajar masing-masing. Metode yang digunakan adalah pengembangan sistem menggunakan algoritma Machine Learning (seperti Decision Tree dan Neural Network) untuk menganalisis pola interaksi mahasiswa pada platform pembelajaran daring. Sistem akan mengevaluasi respon secara real-time dan merekomendasikan materi ajar yang sesuai dengan profil kognitif pengguna. Hasil pengujian menunjukkan bahwa penerapan model ini mampu meningkatkan keterlibatan (engagement) mahasiswa sebesar 28% serta menaikkan rata-rata nilai ujian akhir sebesar 15% dibandingkan metode pembelajaran konvensional. Kesimpulannya, integrasi kecerdasan buatan dalam sistem adaptive learning terbukti efektif dalam menciptakan pengalaman belajar yang lebih personal, adaptif, dan optimal di lingkungan perguruan tinggi.