Gerzon Jokomen Maulany, mahasiswa Program Doktor Teknik Elektro Departemen Teknik Elektro dan Teknologi Informasi (DTETI), Fakultas Teknik Universitas Gadjah Mada, menjalani ujian tertutup disertasi pada Rabu (21/1) pukul 13.00 WIB. Ujian disertasi tersebut dihadiri tim penguji lintas keahlian dari UGM serta Universitas Indonesia.
Ujian tertutup disertasi ini dipimpin oleh Prof. Hanung Adi Nugroho, S.T., M.Eng., Ph.D. selaku ketua penguji, dengan Prof. Ir. Paulus Insap Santosa, M.Sc., Ph.D. sebagai promotor dan Dr. Indriana Hidayah, S.T., M.T. sebagai ko-promotor. Tim penguji juga melibatkan akademisi dari berbagai bidang untuk memastikan kualitas ilmiah dan relevansi praktis dari penelitian yang dilakukan, melalui anggota penguji di antaranya Adhistya Erna Permanasari, S.T., M.T., Ph.D., Teguh Bharata Adji, S.T., M.T., M.Sc., Ph.D., Dr. Eng. Silmi Fauziati, S.T., M.T., Prof. Dr. Eng. Fransisco Danang Wijaya, S.T., M.T., serta anggota penguji eksternal Prof. Harry Budi Santoso, Ph.D. dari Universitas Indonesia.
Dalam disertasinya, Gerzon mengangkat isu penting terkait perkembangan e-learning di pendidikan tinggi, khususnya tantangan dalam menghadirkan pembelajaran yang benar-benar adaptif bagi mahasiswa. Ia menyoroti bahwa sebagian besar sistem pembelajaran daring masih mengasumsikan satu gaya belajar dominan pada setiap individu, padahal dalam praktiknya mahasiswa memiliki kecenderungan belajar yang beragam dan saling tumpang tindih. Untuk menjawab tantangan tersebut, penelitian ini mengintegrasikan teori kecerdasan majemuk ke dalam sistem rekomendasi pembelajaran adaptif berbasis Learning Management System (LMS).
Penelitian ini menawarkan kebaruan pada pendekatan yang digunakan. Alih-alih mengandalkan data berlabel penuh yang jumlahnya terbatas, Gerzon mengembangkan model berbasis semi-supervised multi-label learning yang mampu mengenali lebih dari satu kecenderungan kecerdasan mahasiswa secara bersamaan. Model dibangun dengan memanfaatkan pola interaksi mahasiswa di LMS, seperti jenis aktivitas yang diakses, frekuensi belajar, dan durasi penggunaan. Hasilnya, sistem mampu mendeteksi tujuh kecerdasan majemuk secara simultan dengan tingkat akurasi mencapai 89 persen, melampaui pendekatan sebelumnya yang umumnya terbatas pada satu atau dua gaya belajar.
Kecerdasan majemuk yang teridentifikasi kemudian dimanfaatkan sebagai dasar pengembangan sistem rekomendasi pembelajaran adaptif. Penelitian ini menguji tiga pendekatan rekomendasi, yakni content-based filtering, collaborative filtering, dan hybrid filtering. Dari ketiganya, pendekatan hybrid terbukti memberikan performa terbaik dalam menyarankan materi belajar yang relevan bagi mahasiswa. Menariknya, mahasiswa yang mengikuti rekomendasi sistem menunjukkan intensitas dan durasi belajar yang lebih tinggi, menandakan potensi nyata sistem ini dalam meningkatkan efektivitas pembelajaran daring.
Secara keseluruhan, penelitian ini memberikan kontribusi penting bagi pengembangan sistem e-learning yang lebih personal, inklusif, dan berbasis data. Model yang diusulkan tidak hanya relevan untuk lingkungan UGM, tetapi juga berpotensi diadaptasi secara luas pada sistem pembelajaran digital di pendidikan tinggi Indonesia. (RAS)