IMPLEMENTASI SISTEM PEMBELAJARAN ADAPTIF MENGGUNAKAN METODE HIBRIDA RULE-BASED SYSTEM DAN CONTENT-BASED FILTERING BERBASIS SBERT

Platform e-learning konvensional umumnya menerapkan pendekatan one-size-fits-all yang menyajikan materi identik bagi seluruh mahasiswa. Pendekatan ini lemah dalam mengakomodasi keragaman pemahaman dan kecepatan belajar, sehingga berpotensi menurunkan hasil belajar. Solusi sistem rekomendasi saat ini juga terbatas; Content-Based Filtering berbasis TF-IDF lemah memahami konteks semantik, sedangkan Rule-Based System (RBS) cenderung kaku. Mengatasi masalah tersebut, penelitian ini mengusulkan Sistem Pembelajaran Adaptif menggunakan metode hibrida yang mengintegrasikan RBS dan Sentence-BERT (SBERT). RBS berfungsi sebagai kontrol pedagogis penentu intervensi remedial berdasarkan kinerja kuis secara real-time. Keputusan tersebut diproses oleh SBERT menggunakan representasi vektor untuk merekomendasikan materi secara presisi dan relevan. Hasil pengujian menunjukkan fungsionalitas sistem berjalan 100% (29 skenario valid) dan memperoleh skor System Usability Scale sebesar 70,96 (Acceptable/Good). Pengujian efektivitas mencatat peningkatan pada mode konvensional dari pretest 80,29 menjadi posttest 82,89 (N-Gain 0,14/rendah). Sebaliknya, mode adaptif memacu nilai dari pretest 84,61 menjadi posttest 90,11 (N-Gain 0,35/sedang). Terdapat selisih N-Gain sebesar 0,21 yang membuktikan bahwa pendekatan hibrida yang diusulkan lebih efektif secara empiris dalam meningkatkan pemahaman kognitif siswa dibandingkan e-learning konvensional.