Kajian Kompleksitas Algoritma pada Sistem E-Learning untuk Personaliasis Pembelajaran Digital

Abstract

Perkembangan teknologi digital telah mendorong transformasi signifikan dalam praktik assessment pendidikan melalui penggunaan kecerdasan buatan (AI) untuk mendukung proses penilaian, mulai dari skoring otomatis hingga analisis performa belajar berbasis data besar. Penelitian ini bertujuan untuk mengidentifikasi dan mengklasifikasikan model-model AI dalam assessment, menganalisis bagaimana aspek validitas dan reliabilitas dikaji, serta mengevaluasi implikasi evaluatif dan etis dari penerapan teknologi tersebut. Metode penelitian yang digunakan adalah pendekatan kualitatif dengan desain Systematic Literature Review (SLR) yang menelaah literatur dari basis data Scopus, DOAJ, dan Google
Scholar dalam rentang publikasi 2016 – 2025 menggunakan kerangka PRISMA. Hasil kajian menunjukkan adanya tren peningkatan penggunaan AI, khususnya pada automated scoring, predictive analytics, dan adaptive testing yang berfokus pada peningkatan efisiensi serta personalisasi evaluasi. Meskipun menawarkan keunggulan teknis, validitas konstruk dan reliabilitas skor tetap menjadi tantangan utama, sementara transparansi algoritma serta perlindungan data peserta didik menjadi perhatian etis yang krusial. Penelitian ini menyimpulkan bahwa integrasi AI dalam assessment memerlukan pendekatan holistik yang menggabungkan dimensi teknis, psikometrik, dan etis guna memastikan hasil evaluasi yang akuntabel, sahih, dan adil bagi seluruh peserta didik.