Aksesibilitas Web E-learning untuk Rekomendasi Materi Bagi Anak Berkebutuhan Khusus Menggunakan Decision Tree

Abstract

Perkembangan teknologi digital mendorong pemanfaatan sistem e-learning sebagai media pembelajaran yang fleksibel, namun implementasinya masih belum sepenuhnya inklusif bagi Anak Berkebutuhan Khusus (ABK). Perbedaan karakteristik dan gaya belajar pada ABK menuntut adanya sistem pembelajaran yang adaptif dan personal. Penelitian ini bertujuan untuk mengembangkan sistem e-learning berbasis web yang adaptif dengan menerapkan algoritma Decision Tree untuk mengklasifikasikan gaya belajar peserta didik serta memberikan rekomendasi pembelajaran yang sesuai. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan tahapan pengumpulan data melalui kuesioner, prapemrosesan data, pelatihan model, serta evaluasi menggunakan confusion matrix. Dataset yang digunakan terdiri dari 619 peserta didik ABK dengan kategori tunanetra dan tunarungu. Hasil penelitian menunjukkan bahwa algoritma Decision Tree mampu menghasilkan akurasi rata-rata sebesar 95% yang lebih tinggi dibandingkan dengan algoritma Random Forest. Model yang dihasilkan memiliki tingkat interpretabilitas yang baik sehingga memudahkan pendidik memahami proses klasifikasi. Implementasi model pada sistem e-learning mampu memberikan rekomendasi materi pembelajaran yang sesuai dengan gaya belajar peserta didik, sehingga meningkatkan aksesibilitas dan efektivitas pembelajaran. Penelitian ini berkontribusi dalam pengembangan sistem pembelajaran adaptif berbasis kecerdasan buatan yang inklusif bagi ABK.

GS Cited Analysis