BAB 8 KESIMPULAN DAN SARAN Pada bagian akhir ini memuat kesimpulan dan saran dari hasil penelitian yang dilakukan. Proses penelitian sebagaimana dibahas pada setiap bagian penelitian ini dilakukan dengan tujuan utama membangun sebuah model context aware e-learning berdasarkan pengalaman psikologis pembelajaran. Tujuan utama yang dicapai pada penelitian ini telah memberikan capaian tambahan yang berkaitan. Beberapa capaian ini diantaranya adalah terbangunnya model konseptual, model hipotesis hubungan learning behavior dan pengalaman psikologis pembelajaran, serta capaian lain yang akan dikemukakan pada bagian kesimpulan ini. Pada tataran simulasi implementasi prototype, model yang dihasilkan menunjukan adanya optimisme untuk digunakan mengurangi isu dalam penerapan e-learning saat ini. Pengambilan topik penelitian pada bidang e-learning dikaitkan dengan pendekatan context aware computing telah memberikan tantangan tersendiri dan memotivasi bahwa penelitian ini sangat layak untuk dilakukan. E- learning akan menjadi andalan sebagai alternatif jalan keluar pada program percepatan dan perluasan akses pendidikan. Solusi pembelajaran melalui model e- learning ini harus terus diupayakan, walaupun isu-isu terkait implementasi pembelajaran model daring ini masih belum teratasi secara baik. Di sisi lain, pendekatan context aware computing yang memungkinkan sebuah sistem yang adaptif belum banyak diaplikasikan pada model e-learning. Kedua hal utama tersebut telah menginspirasi untuk dikaji sampai selesainya penelitian model context aware e-learning ini. Salah satu temuan berharga lainnya dari hasil penelitian ini adalah tentang implikasi penggunaan user context dalam penelitian terhadap pendekatan context awareness. Dipandang dari sudut pandang context aware computing, pengalaman psikologis dan learning style sebagai contoh user context pada penelitian ini telah memberikan paradigm baru terhadap arti sebuah context. Umumnya context masih 205
206 dipahami sebagai hal-hal yang berkaitan lingkungan fisik saja. Sensor-sensor fisik, pengukuran kondisi fisik, computing devices, maupun perangkat-perangkat fisik lainnya. Pada lingkup e-learning, learner contextual information yang sifatnya dinamis seperti yang digunakan dalam penelitian ini telah memberikan tantangan dan peluang untuk diteliti secara lebih luas. Setelah melalui berbagai tahap penelitian yang dilakukan, mulai proses perumusan masalah, tinjauan pustaka, pengembaangan model, pengujian, analisis, serta simulasi implementasi model, maka kesimpulan dan saran yang bisa ditarik pada penelitian ini akan dijelaskan pada sub bagian berikutnya. 8.1 Kesimpulan 1. Model konseptual personalisasi context aware e-learning yang dihasilkan dapat dijadikan sebagai framework, abstraksi atau panduan dalam mengembangkan sebuah aplikasi model context aware e-learning. Model konseptual yang dihasilkan telah memberikan gambaran tentang bagaimana pendekatan context aware computing dapat diaplikasikan pada bidang e-learning. Pendefinisian jenis-jenis context dan jenis adaptasi yang bisa digunakan pada e-learning telah memberikan warna tersendiri bahwa model konseptual ini berbeda dengan model context aware pada bidang lain. 2. Penggunaan flow experience dan learning style context yang mendukung pengalaman psikologis pembelajaran telah memberikan kontribusi bahwa model kontekstual e-learning yang dihasilkan dapat berkontribusi sebagai feature baru pada e-learning untuk meningkatkan capaian pembelajaran. Dua context ini sekaligus memberikan kontribusi dan salah satu solusi pada impementasi model e-learning saat ini. Model kontekstual ini paling tidak telah memberikan titik terang terhadap isu-isu berkaitan dengan kondisi psikologis saat menggunakan e-learning. Lebih jauh lagi, learning style dan flow experience sebagai bagian user context pada model konseptual yang dihasilkan dalam penelitian ini telah membuka paradigma
207 baru bahwa user context sebagai bagian pada model context aware computing sangat menarik untuk dikaji dan dikembangkan lebih lanjut. 3. Hasil penelitian ini telah membuktikan bahwa learning behavior pengguna saat berinteraksi dengan e-learning mempunyai hubungan positif dan signifikan dengan terjadinya flow experience sebagai representasi pengalaman psikologis pembelajaran. Berdasarkan temuan ini, parameterparameter learning behavior dapat dijadikan sebagai atribut untuk pengukuran learning style dan flow experience. 4. Model pengukuran learning style pada penelitian ini dengan menerapkan pendekatan literate based driven dan machine learning telah memberikan tingkat akurasi yang cukup tinggi sebesar 93,33% - 96,67%. 5. Model pengukuran flow experience yang dihasilkan pada penelitian ini dengan menggunakan atribut-atribut learning behavior telah memberikan tingkat akurasi sebesar 91,86% - 92,39%. Model pengukuran yang dihasilkan dalam penelitian ini bisa dijadikan kontribusi baru dalam mengevaluasi dan mengukur flow experience. Model pengukuran ini lebih efisien jika dibandingkan dengan metode experience sampling method yang selama ini sering digunakan. 6. Evaluasi model berdasarkan user experience yang telah dilakukan, memperlihatkan bahwa para pengguna memberikan opini positif terhadap model e-learning yang dihasilkan. Evaluasi pada aspek novelty, stimulation, dan attractiveness pada UEQ menunjukkan nilai yang cukup menonjol. Hal ini mengindikasikan bahwa model yang dihasilkan cukup inovatif dan dapat memotivasi dalam pembelajaran. Di sisi lain, nilai ini bisa diartikan bahwa para pengguna sangat tertarik, asyik, dan mempunyai kesan positif terhadap model yang dihasilkan. 7. Hasil evaluasi berdasarkan user experience pada poin 6, sejalan dengan hasil yang ditunjukkan pada simulasi. Sebagian besar pengguna berada pada kondisi flow (optimal) pada saat proses pembelajaran. Hal ini sesuai
208 dengan tujuan utama penelitian ini, yaitu bagaimana model yang dihasilkan dapat menjaga pengguna pada kondisi optimal, yang ditandai dengan terciptanya kesimbangan skill dan challenge. 8. Uji statistik yang dilakukan melalui simulasi implementasi model, memperilhatkan bahwa model yang dihasilkan memberikan pengaruh yang signifikan terhadap peningkatan capaian performance pengguna pada proses pembelajaran. Fenomena ini menunjukkan bahwa model e-learning yang dihasilkan cukup efektif dijadikan sebagai alternatif untuk menggantikan proses pembelajaran konvensional. Hasil uji statistik lainnya menunjukkan bahwa tingkat efektivitas model yang dihasilkan dibandingkan dengan model e-learning yang sudah ada. Nilai uji statistik yang dihasilkan memperlihatkan bahwa model yang dihasilkan memberikan pengaruh yang lebih baik secara signifikan pada capaian performance pengguna dibandingkan model e-learning pembanding yang diikutsertakan dalam pengujian ini. Hasil ini menunjukkan bahwa model yang dihasilkan sangat mendukung tujuan utama dalam pembelajaran yaitu pencapaian performance yang tinggi. Di lihat dari aspek pengalaman psikologis, model yang dihasilkan telah memperkuat bukti bahwa kondisi optimal berkaitan erat dengan engagement, yang selanjutnya berkaitan erat dengan capaian performance. 9. Model personalisasi context aware e-learning yang dihasilkan dalam penelitian ini mempunyai posisi yang strategis, terhadap terhadap model e- learning yang ada maupun terhadap trend pengembangan model e- learning. Model context aware e-learning yang dihasilkan mempunyai efektivitas yang baik sebagai alternatif untuk diimplementasikan. Model context aware e-learning berdasarkan pengalaman psikologis pembelajaran hasil penelitian ini juga sejalan dan mendukung pada trend pengembangan model e-learning.
209 8.2 Saran Pada pelaksanaannya, penelitian ini tentu menghadapi berbagai macam tantangan dan keterbatasan. Disamping hasil dan kontribusi yang telah dicapai pada penelitian, hal-hal berkaitan dengan keterbatasan penelitian ini, tentu akan menjadi sumbangan berharga sebagai rujukan dan saran perbaikan untuk penelitian berikutnya. Untuk itu, berikut beberapa saran sebagai refleksi dan luaran lain dari penelitian ini. 1. Model e-learning yang dikembangkan sifatnya masih prototipe yang hanya fokus pada feature context aware saja. Pada model yang dihasilkan, masih ditekankan pada interaksi siswa dengan e-learning saja. Pada pengembangan lebih lanjut aspek yang berkaitan dengan interaksi siswa dengan siswa, serta siswa dengan pengajar pada e-learning bisa dilibatkan dalam model. 2. Mempertimbangkan dan melibatkan berbagai macam context yang lebih bervariasi pada model kontekstual, tentu akan menjadi temuan yang menarik. Kebutuhan, tuntutan, dan perilaku pengguna yang variatif dan semakin dinamis tentu memerlukan keterlibatan banyak aspek dan context pembelajaran. 3. Simulasi implementasi yang dilakukan masih terbatas pada materi dengan sub pokok bahasan tertentu. Simulasi yang relatif singkat ini, belum sepenuhnya menguji kondisi pengguna saat teridentifikasi bosan. Sebagaimana dimaklumi bahwa penggunaan yang terus menerus dengan waktu yang cukup lama berpotensi menimbulkan tingkat kebosanan. Berdasarkan hal ini, perlu dilakukan lebih lanjut kalau model e-learning ini diimplementasikan lebih lama lagi, tentu dengan berbagai macam variasi materi pembelajaran. 4. Pendekatan machine learning cukup efektif digunakan untuk digunakan dalam model pengukuran context, walaupun dalam implementasinya, sangat susah untuk mendapatkan data set yang cukup generik memodelkan
210 sebuah context. Penggunaan data training dari suatu lingkungan pembelajaran akan sangat cocok jika diimplementasikan pada data testing lingkungan yang sama.