Kohesi: Jurnal Sains dan Teknologi

Articles

Vol. 11 No. 3 (2026): Kohesi: Jurnal Sains dan Teknologi, ISSN 3025-1311

Prediksi Penurunan Motivasi Belajar Pada Pengguna Moodle Menggunakan Multilayer Perceptron (MLP)

DOI:
https://doi.org/10.2238/4yjd7589
Submitted
August 10, 2026
Published
2026-08-10

Abstract

Penelitian ini bertujuan untuk memprediksi penurunan motivasi belajar mahasiswa berdasarkan aktivitas pengguna pada Learning Management System (LMS) Moodle menggunakan algoritma Multilayer Perceptron (MLP). Data penelitian berupa aktivitas login pengguna Moodle yang diproses melalui tahapan preprocessing meliputi pembersihan data, normalisasi, seleksi fitur, serta pembagian data latih dan data uji. Selanjutnya model MLP dibangun dan dilatih untuk mempelajari pola hubungan antara aktivitas login dengan kondisi motivasi belajar mahasiswa, kemudian dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma MLP mampu memberikan performa prediksi yang baik dalam mengidentifikasi mahasiswa yang berpotensi mengalami penurunan motivasi belajar berdasarkan pola aktivitas login pada Moodle. Model yang dihasilkan diharapkan dapat membantu pendidik melakukan deteksi dini terhadap penurunan motivasi belajar sehingga mendukung pengambilan keputusan yang lebih efektif dalam pembelajaran daring.

References

  1. Ardianti, M., Nurhayati, O. D., & Warsito, B. (2024). Model Prediksi Kinerja Siswa Berdasarkan Data Log LMS Menggunakan Ensemble Machine Learning. JST (Jurnal Sains Dan Teknologi), 12(3), 562–571. https://doi.org/10.23887/jstundiksha.v12i3.59816
  2. Annisa, P., Gultom, Z. A., & Sary, Y. (2024). Analysis and implementation of CNN in real-time classification and translation of Kanji characters. Sinkron: Jurnal dan Penelitian Teknik Informatika, 8(1), 296–305.
  3. Budiman, J. (2021). VOX EDUKASI : Jurnal Ilmiah Ilmu Pendidikan EVALUASI PELAKSANAAN PEMBELAJARAN DARING DI INDONESIA SELAMA MASA PANDEMI COVID-19. Jurnal Ilmiah Ilmu Pendidikan, 12(April), 104–113.
  4. Gulo, S. H., Lubis, A. H., Informatika, T., Teknik, F., & Area, U. M. (2024). Penerapan Multi-Layer Perceptron untuk Mengklasifikasi Penduduk Kurang Mampu. EXPLORER Journal of Computer Science and Information Technology, 4(2), 51–59.
  5. Ika, C., Budhayanti, S., Studi, P., Profesi, P., & Pendidikan, F. (2023). PENGGUNAAN LEARNING MANAGEMENT SYSTEM ( LMS ) MOODLE PADA PERKULIAHAN PENDIDIKAN MATEMATIKA DI PROGRAM STUDI PENDIDIKAN GURU SEKOLAH DASAR. Jurnal Pendidikan, Psikologi, Dan Konseling, 21(1), 50–62. https://doi.org/10.25170/psikoedukasi.v21i1.4439
  6. Nurhalizah, R. S., & Ardianto, R. (2024). Analisis Supervised dan Unsupervised Learning pada Machine Learning : Systematic Literature Review. Jurnal Ilmu Komputer Dan Informatika (JIKI), 4(1), 61–72.
  7. Sujon, K. M., Hassan, R., Choi, K., & Samad, M. A. (2025). Accuracy, precision, recall, f1-score, or MCC? empirical evidence from advanced statistics, ML, and XAI for evaluating business predictive models. Journal of Big Data, 12(1). https://doi.org/10.1186/s40537-025-01313-4

Similar Articles

1-10 of 57

You may also start an advanced similarity search for this article.