Penerapan XAI untuk Transparansi Penilaian Pembelajaran pada Mata Kuliah Keamanan Jaringan Berbasis Moodle

Perkembangan teknologi informasi telah mendorong adopsi Learning Management System (LMS) seperti Moodle yang menghasilkan rekam jejak digital mahasiswa secara mendetail. Namun, mayoritas institusi pendidikan masih terpaku pada paradigma evaluasi sumatif tradisional yang bersifat black-box dan hanya berfokus pada hasil akhir berupa nilai ujian. Ketidakmampuan sistem ini dalam mengidentifikasi proses pengerjaan (seperti strategi, durasi waktu, dan kecepatan klik) menyebabkan mahasiswa kebingungan dan kehilangan ruang refleksi untuk memperbaiki proses belajar mereka. Untuk mengatasi tantangan tersebut, penelitian ini menerapkan pendekatan Explainable Artificial Intelligence (XAI) guna memberikan transparansi penilaian pembelajaran pada mata kuliah Keamanan Jaringan. Penelitian ini mengembangkan pemodelan analitik menggunakan algoritma eXtreme Gradient Boosting (XGBoost) untuk memetakan metrik perilaku mahasiswa dengan capaian nilai akhir, yang kemudian dibedah logika internalnya menggunakan metode TreeSHAP. Hasil ekstraksi matematis ini selanjutnya diintegrasikan ke dalam antarmuka berbasis Gradio untuk menghasilkan narasi umpan balik otomatis (AI Companion). Hasil evaluasi menunjukkan bahwa pemodelan XGBoost memiliki tingkat kecocokan yang baik dengan batas galat Mean Absolute Error (MAE) sebesar 6,86 poin dan Root Mean Squared Error (RMSE) sebesar 9,44 poin. Melalui metode TreeSHAP, sistem secara akurat berhasil mendeteksi bahwa durasi pengerjaan dan kecepatan klik merupakan faktor yang paling dominan, di mana kecepatan interaksi ekstrem mampu diidentifikasi sebagai taktik terburu-buru (rapid-guessing). Selain itu, matriks pengujian fungsionalitas membuktikan bahwa prototipe AI Companion berhasil menerjemahkan angka log yang kaku menjadi umpan balik teks berbahasa Indonesia yang utuh dan koheren. Dengan tingkat transparansi dan fungsionalitas yang tinggi, penerapan kerangka kerja XAI ini terbukti andal dalam menggeser paradigma evaluasi Moodle dari sekadar platform penguji yang deterministik menjadi ekosistem pendamping yang suportif, sehingga mendorong kemandirian evaluasi diri dan perbaikan strategi akademik mahasiswa di masa depan