Analisis Pengelompokkan Hasil Belajar Matematika Siswa SMA Jurusan Bahasa di Indonesia menggunakan Fuzzy C Means

Adhi Susano, Wulan Anggraeni

Sari


Tujuan dari penelitian ini adalah mengelompokan hasil belajar matematika Siswa SMA jurusan bahasa di  Indonesia menggunakan metode Fuzzy C Means. Hasil belajar diperoleh dari hasil ujian nasional siswa SMA di Inonesia pada tahun 2018/2019. Berdasarkan hasil yang diperoleh nomor 9, 21, 23 dan 28 masuk ke dalam kelas pertama, nomor 5, 6, 7, 12, 14, 20, 24, dan 32 masuk ke dalam kelas kedua, sedangkan nomor 1, 2, 3, 4, 8, 10, 11, 13, 15, 16, 17, 18, 19, 22, 25, 26, 27, 28, 29, 30, 31, 33, 34, 35, 36, 37, 38, 39, dan 40 masuk ke dalam kelas ketiga. Secara berurutan butir soal yang paling banyak diisi benar oleh siswa adalah kelompok pertama, kedua dan ketiga. Materi yang diuji adalah aljabar, geometri dan trigonometri dan Stastistika

Teks Lengkap:

PDF

Referensi


Kurniawan. H., (2013) Model Regresi Logistik Kelas Laten pada Performa Studi Penerima Beasiswa. Kumpulan Makalah Seminar Semirata, 265-273.

Li, Y et all. (2019). Educational data mining for students' performance based on fuzzy C-meansclustering. The Journal of Engineering. 2019(11). 1-8.

Nurajanah., Irwansyah. B., Zinuddin. (2018). Analisis Cluster untuk pengelompokkan kesulitan Belajar Geomateri pada Siswa SMA Negeri 1 Bendahara Aceh Tamiang. Paper disajikan pada prosiding National Conference Mathematics, Science, and Education, Pamekasan, 2015-210

Riswan. (2013). Pengelompokkan Prestasi Matematika Siswa Indonesia Berdasarkan Hasil Survey Timss Menggunakan Analisis Logistik Kelas Laten. Dinamika Ilmu, 13(1), 67-87.

Siringoringo. R., Jamaluddin. Peningkatan Performa Cluster Fuzzy C Means pada pengklasteran Sentiment menggunakan Partikle Swarm Optimization. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIK), 6(4), 349-354.

Sutoyo, M.N., Sumpala, A.t (2015). Penerapan Fuzzy C-Means untuk Deteksi Dini Kemampuan Penalaran Matematis. Scientific Journal Informatics. 2(2). 129-135

Yildiz, O., Bal, A. (2015). Statistical and Clustering Based Rules Extraction Approaches for Fuzzy Model to Estimate Academic Performance in Distance Education. Eurasia Journal of Mathematics, Science & Technology Education. 11(2), 391-404.


Refbacks

  • Saat ini tidak ada refbacks.