2020 : DETECTING ACADEMIC FRAUD BEHAVIOR IN E-ASSESSMENT FOR PRESERVING ACADEMIC INTEGRITY

Dr. Apol Pribadi Subriadi ST., MT.

Feby Artwodini Muqtadiroh S.Kom., MT.

Hanim Maria Astuti S.Kom, M.Sc

Abstract

Teknologi informasi dan komunikasi (TIK) telah menjadi salah satu pilar masyarakat modern dan menjadi bagian penting dari kehidupan sehari-hari kebanyakan orang. Dunia pendidikan pun tidak terkecuali. Saat ini, penggunaan TIK dalam Pendidikan sangat bervariasi di berbagai negara dan jenis serta tingkat/level Pendidikan. Meskipun demikian, menggunakan teknologi pendukung pembelajaran merupakan standar di sebagian besar lembaga pendidikan khususnya di perguruan tinggi melalui penerapan online learning atau yang lebih dikenal dengan sebutan e-learning dengan dukungan sistem manajemen pembelajaran atau Learning Management System (LMS). E-learning diadopsi secara luas dalam pendidikan universal modern, termasuk banyak penelitan yang berfokus pada pengamatan, eksperimen, dan analisis serta evaluasi terhadap pembelajaran berbasis e-learning. LMS menyediakan beragam fungsi, kanal, workspaces untuk memfasilitasi information sharing dan komunikasi di antara para pembelajar atau antara pembelajar dengan tutor atau instruktur (guru atau dosen). Dengan kelebihan dari LMS tersebut, maka sistem e-learning mampu merekam banyak data yang dapat dianalisis untuk membantu meningkatkan efisiensi, kualitas, kemajuan pembelajaran dan tujuan pendidikan. Dengan banyaknya data (big data) pada sistem e-learning, maka tidak hanya kemajuan pembelajaran yang dapat dikontrol, namun tutor atau pendidik dapat menganalisis data tersebut untuk mencari fitur yang menonjol. Pemanfaatan sistem e-learning dapat mempermudah instruktur dalam memantau perkembangan pembelajaran dan performa siswa, termasuk untuk mengeksplore perilaku dan pola interaksi peserta belajar dalam berbagai aktivitas pembelajaran yang tersaji dalam sistem e-learning berbasis LMS. Termasuk pola peserta belajar dalam ujian online. Hal ini dikarenakan telah banyak penelitian dalam bidang learning analytics dan educational data mining yang menyajikan fakta dan memberikan hasil penelitian yang lebih banyak mengarah pada pola perilaku peserta belajar untuk mencapai kesuksesan belajar, namun penelitian yang berkaitan dengan perilaku yang mengarah pada adacemic misconduct atau academic dishonesty tidak banyak. Penelitian ini berawal dari suatu hipotesis “H0: bahwa terdapat suatu pola khusus yang mengindikasikan perilaku academic fraud pada ujian online berbasis LMS� Beberapa penelitian-penelitian sebelumnya mengungkapkan fakta dan hasil yang merujuk pada suatu teknik dan atau metode untuk mengatasi kecurangan akademik (cheating) pada bentuk pembelajaran dan ujian atau asesmen berbasis elektronik dengan menggunakan Teknik Biometric, Computer Vision, Plagiarism Detection, Copying Answer using Multiple Existence Online (CAMEO), termasuk pendekatan psikologi-teknologi yakni Psychometric Approach using Item Response Time (IRT). Namun tidak banyak yang menganalisis atau mengamati jenis aktivitas apa saja yang dapat mengindikasikan tindakan fraud dalam ujian berbasis komputer (e-assessment), terlebih ujian online yang dapat dilakukan secara fleksibel oleh peserta ujian. Tindakan fraud dalam ujian online dapat menyebabkan kesalahan justifikasi atas capaian belajar. Hal ini dikarenakan suatu kesengajaan yang dilakukan oleh peserta belajar dengan memanfaatkan kesempatan dalam ujian online yang dirasa minim pengawasan dan pemeriksaan. Tindakan fraud sangat menyalahi konsep integritas akademik yang dapat menjadi ancaman bagi institusi yang dapat mencemari reputasi pendidikan. Untuk itulah penelitian ini bertujuan untuk mengenali pola academic fraud pada ujian online yang berfokus pada pengamatan aktivitas apa saja yang dapat mengindikasikan tindakan fraud melalui data crawling berupa event log yang tersimpan pada LMS menggunakan algoritma Process Mining. Contoh aktivitas yang akan diamati: urutan aktivitas apa saja yang mengindikasikan fraud (misal: quiz_viewed, quiz_attempt_started, quiz_attempt_viewed, quiz_attempt_submitted, apakah ada kaitan antara waktu submission mendekati deadline terhadap nilai akhir, berapa detik waktu yang dialokasikan dalam menjalankan ujian online, dan sebagainya. Yang akan dilakukan pertama oleh peneliti setelah mendapatkan event log tersebut, maka akan dilakukan eskplorasi untuk melihat urutan aktivitas sebagai dasar untuk menemukan pola yang menyimpang atau disebut sebagai trace variant. Tujuannya adalah untuk menemukan variasi jejak dari dataset yang ada dan kemudian mencari kesamaan atau mengelompokkan pada pola serupa atas perilaku mahasiswa mengikuti ujian online. Tahap kedua yakni menganalisis proses melalui process maps menggunakan algoritma fuzzy miner untuk mempertajam analisis dalam mengelompokkan aktivitas mana saja yang menunjukkan indikasi mahasiswa melakukan fraud dalam ujian online, misal clustering, classification, atau association. Namun tidak dapat dipungkiri bagaimana jika ditemukan pola dari aktivitas ujian online yang menujukkan tindakan yang ambigu atau tidak terstuktur? Bagaimana menjamin bahwa suatu tindakan dikatakan sebagai academic fraud yang benar? Maka peneliti akan menyempurnakan pola ambigu tersebut yang didapatkan melalui teknik strukturirasi menggunakan Intuitionistic Fuzzy Logic. Algoritma Intuitionistic Fuzzy akan menetapkan degree of confidence sekaligus degree of hesitation untuk mengelompokkan pola mana saja yang merupakan anggota bagian dari tindakan academic fraud dan non anggota dalam rangka menyempurnakan performa anomali. Itulah gambaran dari penelitian laboratorium yang diajukan oleh tim peneliti dalam tahun pertama. Penelitian ini diperhitungkan memakan waktu dua tahun sampai pada tahap pengembangan model yang mengarah pada perilaku peserta belajar (human behavior) yakni suatu model yang mempertimbangkan faktor apa saja yang mempengaruhi tindakan academic fraud dalam menjalankan ujian online. Sehingga penelitian tahun kedua berfokus pada pengamatan psikologis peserta ujian online. Untuk itulah penelitian ini diharapkan tidak hanya dapat mendeteksi pola yang mengindikasikan academic fraud, namun juga menemukan faktor apa saja pemicunya sekaligus hubungan antar faktornya sehingga nantinya setiap peserta ujian online akan secara sadar terhadap tanggungjawabnya untuk menjaga kualitas dan integritas akademik. Sehingga jelas tujuan penelitian ini adalah untuk membangun state-of-the-art technology dalam bidang learning analytics untuk mengungkap cara yang dilakukan peserta belajar dan akar masalah dalam tindakan Academic Fraud pada proses pembelajaran dan asesmen online.