Pemanfaatan machine learning yang merupakan salah satu implementasi dalam bidang artificial intelligence telah merambah ke berbagai bidang, salah satunya adalah bidang pendidikan. Dengan menggunakan kombinasi teknik machine learning, statistik, dan basis data, dapat dilakukan educational data mining untuk mengetahui pola yang ada dalam suatu dataset tertentu. Salah satu penggunaan educational data mining adalah untuk melakukan prediksi kinerja murid. Hasil dari prediksi kinerja murid dapat digunakan sebagai salah satu instrumen untuk melakukan monitoring dan evaluasi terhadap proses pembelajaran sehingga dapat membantu menentukan langkah-langkah lanjutan dalam rangka meningkatkan proses pembelajaran. Makalah ini bertujuan untuk mengetahui state of the art implementasi deep learning yang merupakan bagian dari machine learning pada konteks educational data mining, khususnya mengenai prediksi kinerja murid. Pada makalah ini disajikan systematic literature review untuk mengetahui variasi teknik atau algoritme deep learning yang digunakan beserta kinerja yang dicapai. Dari dua puluh publikasi ilmiah yang ditelusuri, rata-rata kinerja yang dicapai dalam melakukan prediksi adalah 89,85%. Mayoritas teknik yang digunakan adalah Deep Neural Network (DNN), Recurrent Neural Network (RNN), dan Long Short-Term Memory (LSTM) dengan fitur data demografis, perilaku, dan akademis.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.