Kani, and Ashar, Muhammad and Mustari, and Delima, (2025) Pengembangan AI Adaptive dan Recomendation Course Pada Learning Management System (LMS) UT dan ICE Institute untuk Optimalisasi Layanan Digital Learning (Optimisasi Kebijakan Relatif Berbasis Kelompok untuk Model Transformer Group Relative Policy Optimization dalam Pembelajaran pada LMS). Project Report. Universitas Terbuka, Tangerang Selatan. (Unpublished)

Preview

Text LAPORAN AKHIR PENELITIAN 2025 TTD.pdf Download (1MB) | Preview

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem pembelajaran digital dengan layanan rekomendasi berbasis Kecerdasan Buatan (AI) menggunakan algoritma Transformer dan Group Relative Policy Optimization (GRPO) yang terintegrasi ke dalam Sistem Manajemen Pembelajaran (LMS) yang dilengkapi dengan penilaian berbasis AI. Proses pengembangan dilakukan menggunakan metode agile scrum melalui enam tahap inti, yaitu product backlog, sprint planning, sprint backlog, daily scrum, sprint review, dan sprint retrospective. Model AI yang dikembangkan mencapai akurasi rekomendasi yang signifikan, dan penggunaan penilaian berbasis AI untuk memfasilitasi pembuatan pertanyaan yang dihasilkan secara acak oleh AI menunjukkan kinerja yang lebih baik dibandingkan dengan metode generasi AI tradisional. Sistem ini juga mengimplementasikan konsep pembelajaran personalisasi, memungkinkan konten disesuaikan secara real-time berdasarkan kinerja pengguna. Uji coba internal pada prototipe LMS menunjukkan integrasi yang sukses antara fitur rekomendasi cerdas dan analitik pembelajaran.

Item Type:	Monograph (Project Report)
Additional Information (ID):	...pdf
Uncontrolled Keywords:	AI adaptive feedback, LMS, Digital Learning
Subjects:	000 Generalities > 000-009 Knowledge - Special Computer Methods (Ilmu Umum dan Komputer) > 006.3 Artificial Intelligence (Kecerdasan Buatan)
Divisions:	Thesis,Disertasi & Penelitian > Penelitian
Depositing User:	CR Cherrie Rachman
Date Deposited:	21 Jan 2026 08:05
Last Modified:	21 Jan 2026 08:05
URI:	http://repository.ut.ac.id/id/eprint/11895

Actions (login required)

View Item