Perkembangan teknologi digital telah mendorong transformasi signifikan dalam dunia pendidikan menuju pembelajaran berbasis e-learning yang fleksibel dan interaktif. Namun, sistem e-learning konvensional sering kali tidak mampu menyesuaikan konten pembelajaran dengan karakteristik dan kebutuhan unik setiap peserta didik. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi berbasis machine learning guna mempersonalisasi konten e-learning sehingga pengalaman belajar menjadi lebih adaptif dan efektif. Metode yang digunakan adalah pendekatan kualitatif deskriptif dengan teknik pengumpulan data melalui wawancara, observasi, dan analisis dokumen. Sistem dikembangkan menggunakan kombinasi metode Collaborative Filtering dan Content-Based Filtering, dengan algoritma K-Nearest Neighbor (KNN) sebagai model utama. Hasil pengujian menunjukkan bahwa model KNN menghasilkan nilai precision sebesar 87%, recall sebesar 83%, dan F1-score sebesar 85%, menandakan tingkat akurasi rekomendasi yang tinggi. Selain itu, penerapan sistem ini meningkatkan rata-rata waktu belajar pengguna sebesar 23% dan tingkat penyelesaian modul sebesar 18% dibandingkan sebelum penerapan sistem. Survei terhadap pengguna menunjukkan bahwa 86% responden merasa puas terhadap rekomendasi yang diberikan karena dianggap relevan dengan kebutuhan belajar mereka. Penelitian ini menyimpulkan bahwa sistem rekomendasi berbasis machine learning efektif dalam meningkatkan personalisasi konten e-learning serta keterlibatan dan motivasi peserta didik. Meskipun masih terdapat kendala seperti cold start problem dan data sparsity, sistem ini dapat menjadi dasar pengembangan e-learning yang lebih cerdas dan berorientasi pada peserta didik di masa depan.
You may also start an advanced similarity search for this article.