Machine Translated by Google

Heliyon 8 (2022) e10248

Daftar isi tersedia di ScienceDirect

Heliyon

beranda jurnal: www.cell.com/heliyon

Artikel Penelitian

Pendekatan meta-analisis untuk mengukur dampak hasil pembelajaran berbasis

proyek dengan pencapaian program pada pembelajaran siswa menggunakan sistem
inferensi fuzzy

Mukta Goyal , Chetna Gupta , Varun Gupta

sebuah sebuah
b,c,*

Institut Teknologi Informasi Jaypee, Noida, 201305, India

sebuah

b
Universitas Alcala, Alcala de Henares, Madrid, 28802, Spanyol
c
Sekolah Bisnis, Universitas Sains dan Seni Terapan Swiss Barat Laut, 4600 Olten, Swiss

INFORMASI ARTIKEL ABSTRAK

Kata kunci: Makalah ini menyajikan metode inferensi fuzzy untuk menyelidiki dampak penilaian berbasis proyek pada hasil yang diinginkan
Pembelajaran berbasis proyek dengan menganalisis pemikiran kreatif dan kritis siswa, pengambilan keputusan kolaboratif, dan keterampilan komunikasi
Taksonomi Bloom
dengan batasan dan standar yang realistis melalui teori dan implementasi praktis dalam (a) pencapaian kursus dan (b)
Parameter pencapaian kursus
pencapaian program secara keseluruhan yang dilakukan dalam disiplin teknik. Makalah ini menggunakan dua belas parameter
Parameter pencapaian program
khusus untuk menangkap parameter pencapaian program (PAP). Ini mengusulkan tiga parameter utama untuk menentukan
Logika kabur
Pendidikan berbasis hasil berbagai elemen sistem penilaian yang diperlukan untuk menilai parameter pencapaian kursus (CAP), berkorelasi satu sama
Penilaian untuk pembelajaran lain. Sejauh pengetahuan penulis, sampai saat ini, tidak ada alat matematika yang ditetapkan untuk memetakan CAP ke WTP.
Dengan demikian, makalah ini mengusulkan pedagogi penilaian untuk mengevaluasi PAP yang sesuai dengan CAP untuk
menangani pemetaan korelasi yang tidak jelas menggunakan logika fuzzy. Metodologi dan hasil awal yang dilakukan selama
satu tahun cukup menjanjikan, membantu pendidik mengevaluasi kinerja kandidat secara individu atau kelompok pada
beberapa kriteria penilaian, membantu dalam mencapai pengetahuan, nilai, sikap, pembelajaran mendalam, dan keterampilan
yang diperlukan untuk pengembangan pendidikan berkelanjutan.

1. Perkenalan
Dengan kemajuan pendidikan, telah terjadi pergeseran paradigma dalam
teknik penilaian yang disesuaikan untuk mengukur pengetahuan yang
komprehensif dan keterampilan tingkat tinggi, yaitu kreativitas, inovasi, berpikir
kritis, koordinasi, dan komunikasi, pemecahan masalah, dll [1]. Pergeseran
ini telah menyebabkan munculnya gerakan Assessment for Learning (AFL),
di mana pengajaran, pembelajaran, dan penilaian terkait erat. Untuk
menyelidiki dampak pembelajaran, kriteria penilaian calon kandidat harus
menyeimbangkan kebutuhan akan pemahaman yang mendalam, integrasi
pengetahuan, penerapan pengetahuan sebelumnya dengan penggunaan
praktis yang mengacu pada tujuan, tujuan akhir pembelajaran untuk mencapai
kursus tertentu, dan program. pencapaian [1]. Para peneliti telah berfokus
pada relevansi penilaian di masa lalu dengan menekankan langkah-langkah
penilaian korektif untuk mengajarkan pemikiran tingkat tinggi, kemampuan
untuk memecahkan masalah, dan pengambilan keputusan [2, 3, 4]. Penilaian
harus serupa dengan apa yang terjadi dan dievaluasi di bidang profesional,
termasuk kerja kolaboratif atau peer-to-peer. Struktur, kriteria penilaian, dan harapan dari
penilaian otentik harus transparan dan diketahui sebelumnya. Baru-baru ini,
pendidik menggunakan cara yang lebih inovatif untuk menilai pengetahuan
siswa dengan mendefinisikan ulang metode penilaian tradisional [1, 2, 3, 4].
Dalam pendidikan tinggi, penilaian inovatif adalah upaya kolaboratif yang
mengakui persepsi dan reaksi pribadi terhadap pembelajaran [4].
Salah satu tantangan besar yang dihadapi perguruan tinggi adalah untuk
memastikan perkembangan siswa yang holistik baik dalam hal pencapaian
atribut generik maupun pengembangan kompetensi, yaitu kreativitas,
pemikiran, kerja tim, komunikasi dan kolaborasi, kemandirian. Untuk
mengatasi tantangan ini, transformasi teknologi baru dalam pendidikan telah
menyebabkan penggunaan alat instruksional tambahan, seperti pembelajaran
berbasis proyek (PBL) [5, 6, 7], augmented reality (AR) [8], pembelajaran
aktif [9 ], dll. untuk memfasilitasi pencapaian atribut dan kompetensi tersebut.
Tujuan pendidikan dari setiap lembaga didasarkan pada taksonomi Bloom
yang mengklasifikasikan ke dalam pengetahuan, keterampilan, dan sikap
[10]. Mengenai studi yang lebih tinggi, khususnya disiplin teknik, PBL
dipraktikkan sejak tahun pertama sebagai bagian integral dari kurikulum dan
memainkan peran penting dalam menunjukkan pengetahuan dan pemahaman. Ini adalah

* Penulis yang sesuai.

Alamat email: varun.gupta@uah.es (V.Gupta).

https://doi.org/10.1016/j.heliyon.2022.e10248 Diterima
7 Desember 2021; Diterima dalam bentuk revisi 5 April 2022; Diterima 5 Agustus 2022 2405-8440/©
2022 Penulis. Diterbitkan oleh Elsevier Ltd. Ini adalah artikel akses terbuka di bawah lisensi CC BY (http://creativecommons.org/licenses/by/4.0/).
Machine Translated by Google
M.Goyal dkk.
keterampilan yang harus diproses oleh insinyur yang lulus, ditentukan melalui parameter
pencapaian program (PAP), dan diukur pada kelulusan [11]. Universitas teknik memiliki
Program Objectives (PO) dan Program Educational Objectives (PEO) untuk program gelar
Sarjana Teknik. Proyek dapat memiliki banyak solusi berbeda yang dicapai dengan berbagai
cara, membuat hasil bervariasi dari satu kelompok ke kelompok lainnya. Penilaian adalah
komponen penting dari pembelajaran, dan kriteria penilaian PBL didasarkan pada WTP.
Pembuatan rubrik, refleksi, evaluasi rekan dan diri, dan alat penilaian lainnya harus dibuat
dengan hati-hati. Dengan menilai aspek yang berbeda dari proyek dan pembuatan proyek,
siswa memiliki lebih banyak kesempatan untuk menebus area yang mungkin tidak mereka
kuasai. PAP ditangani melalui hasil parameter Pencapaian Kursus (CA). Ada korelasi antara
WTP dan CA untuk tindakan praktis yang terkait dengan keterampilan, pengetahuan, dan
perilaku dalam kursus tertentu. Secara umum, semua program studi kurikulum pendidikan
tinggi memiliki 4-7 pencapaian kursus, dipetakan ke WTP menggunakan matriks pemetaan
korelasi pada skala 1-3, di mana 1 berarti korelasi rendah dan 3 berarti korelasi tinggi.
Penilaian akhir dilakukan berdasarkan kriteria berdasarkan WTP dan menunjukkan seberapa
baik pembelajaran tersebut diberikan. Hal ini juga mencerminkan seberapa baik program
pascasarjana yang berhasil dijalankan. Berbasis rubrik dalam parameter pencapaian kursus
mengarah pada pemahaman yang lebih baik dan kualitas proyek yang baik karena rubrik
dianggap sebagai alat pengukuran standar untuk mengakses pencapaian hasil program.
Menggunakan rubrik membuat penilaian siswa pada 4C, berpikir kreatif/kritis, kolaborasi,
komunikasi, dan kreativitas [12], jauh lebih sederhana dan objektif, yang dapat digunakan
untuk mengakses nilai individu dan kelompok. Ini menetapkan kebutuhan untuk
menggabungkan metode pengajaran yang dilengkapi dengan keahlian dan pengetahuan
pembangunan berkelanjutan (ESD) yang dibutuhkan pasar. Ini akan membantu universitas
membuat sarjana memenuhi persyaratan industri dan meningkatkan tingkat minat siswa
terhadap desain, pemecahan masalah, dan pembelajaran mandiri.
Dengan demikian, makalah ini menyelidiki hasil penilaian berbasis proyek yang
dilakukan di pendidikan tinggi, khususnya di bidang teknik. Makalah ini mengkaji dampak
dari pengetahuan yang diperoleh, pengembangan pemikiran kritis, dan keterampilan
pengambilan keputusan kolaboratif melalui teori dan implementasi praktis pada (a)
pencapaian kursus dan (b) pada pencapaian program secara keseluruhan. Hasil pencapaian
diukur dalam dimensi yang berbeda
kriteria penilaian yang digunakan oleh pengembang penilaian, pembuat kebijakan di tingkat
universitas, dan pengawas saat mereka bekerja untuk membuat dan mengadopsi sebagai
penilaian. Ini mempromosikan pembelajaran yang lebih mendalam tentang keterampilan
abad ke-21, mempromosikan pembelajaran yang lebih mendalam, nilai-nilai, dan keterampilan
yang dibutuhkan untuk berhasil dalam ekonomi berbasis pengetahuan saat ini, membentuk
masa depan yang berkelanjutan melalui pendidikan [9]. Untuk melakukan eksperimen ini,
data dikumpulkan secara sistematis untuk tugas akhir tahun selama satu tahun dalam dua
semester berturut-turut di lingkungan yang terkendali untuk mengakses pemenuhan
keterampilan belajar yang diperlukan untuk mencakup berpikir kreatif dan kritis, kolaborasi,
komunikasi, kreativitas, kendala realistis. , dan standar.
Pekerjaan ini didasarkan pada dua belas parameter pencapaian program (PAP) yang
berbeda dan tiga parameter utama untuk menentukan berbagai elemen sistem penilaian
yang diperlukan untuk menilai pencapaian kursus (CA), yang saling berkorelasi. Logika
fuzzy, bersama dengan Metode Inferensi Mamdani [13], digunakan untuk mengevaluasi
WTP yang sesuai dengan CAP untuk menangani matriks pemetaan korelasi yang tidak jelas
antara WTP dan CA. Konsep Learning Analytics (LA) [14] digunakan untuk mengumpulkan,
menganalisis, mengukur, dan melaporkan data investigasi tentang pengetahuan peserta
didik. Keefektifan usulan tersebut digambarkan dengan analisis statistik yang dilakukan
terhadap hasil evaluasi dan kinerja mahasiswa program sarjana. Kontribusi utama dari
penelitian ini adalah sebagai berikut:
Kerangka penilaian PBL yang diusulkan berkontribusi terhadap keberlanjutan dalam
pendidikan tinggi dengan menyelidiki inisiatif yang sukses dan hasilnya, membantu
pendidik menilai kinerja kandidat secara individu atau dalam kelompok. Ini menggunakan
dua belas parameter khusus untuk menangkap parameter pencapaian program (PAP)
dan tiga parameter utama untuk menentukan berbagai elemen penilaian untuk menilai
pencapaian kursus (CA), yang saling berkorelasi. Ini membantu dalam mengakses
2
Heliyon 8 (2022) e10248
pengetahuan, nilai, sikap, pembelajaran mendalam, dan keterampilan yang diperlukan
untuk pendidikan pembangunan berkelanjutan.
Metode Inferensi Mamdani [13] digunakan untuk mengevaluasi PAP yang sesuai
dengan CAP untuk menangani pemetaan korelasi yang tidak jelas menggunakan alat
matematika yang diusulkan.
Implementasi langkah-demi-langkah kerangka PBL disajikan, yang dapat membantu
mencapai kompetensi yang dibutuhkan untuk ESD dengan menganalisis efek
implementasi PBL untuk program tingkat sarjana teknik yang berlangsung dalam dua
semester berturut-turut.
Hasil statistik menunjukkan bukti yang signifikan dari dampak yang berbeda dari variasi
pada kategori pencapaian yang berbeda di tingkat kursus dan program.
Pertanyaan penelitian berikut diselidiki untuk menunjukkan
pencapaian hasil yang diinginkan:
RQ 1. Apakah ada hubungan langsung antara efektivitas pembelajaran kursus dan kinerja
siswa?
RQ 2. Apakah prestasi mahasiswa mempengaruhi parameter pencapaian mata kuliah?
RQ 3. Apakah alat matematika menetapkan hubungan antara parameter pencapaian kursus
(CAP1, CAP2, dan CAP3) dan parameter pencapaian program (PAP1, PAP2…
PAP12)?
Sisa makalah ini disusun sebagai berikut: Bagian 2 membahas latar belakang dan
bagian 3 membahas kerangka penilaian PBL berbasis fuzzy yang diusulkan diikuti dengan
hasil dan temuan studi di bagian 4. Akhirnya, kesimpulan disajikan di bagian 5.
2. Latar Belakang
Dalam metode ceramah tradisional yang mencakup konten akademik, tingkat
pembelajarannya dangkal. Tidak dapat dipungkiri bahwa metode perkuliahan konvensional
masih dianggap sebagai metode pengajaran yang efektif, terutama dalam bidang sains,
teknologi, teknik, dan matematika (STEM). Beberapa penulis telah mengeksplorasi dan
mengakui efektivitas pembelajaran berbasis proyek (PBL) di pendidikan tinggi (dengan fokus
pada pendidikan teknik) di berbagai negara [15, 16, 17] dan telah menerapkan konsep PBL
baik melalui kolaborasi industri atau mandiri di tempat kerja masing-masing. Misalnya,
Hasaan dan dkk. [18] mengadopsi metodologi pembelajaran terpadu, multicourse, berbasis
proyek dalam teknik elektronik di Spanyol. Ruikar dan dkk. [19] berkolaborasi dengan industri
melalui podcasting multimedia di Inggris. Teori aktivitas studi lain digunakan untuk menyelidiki
penggunaan pembelajaran berbasis proyek di Irlandia [20]. Namun, hasil penelitian ini
beragam karena beberapa kontradiksi yang terdeteksi sistem aktivitas. Beberapa peneliti
juga telah mengadopsi pembelajaran berbasis proyek bekerja sama dengan siswa dan guru,
mengklaim bahwa siswa-guru dapat menjadi pemecah masalah yang lebih baik bersama-
sama [21].
Sebuah studi yang dilakukan oleh [22] tentang efektivitas menggabungkan PBL
menunjukkan bahwa PBL lebih disukai di kalangan guru. Penelitian ini dilakukan di sekolah
dasar dan sekolah menengah kejuruan. Studi lain yang dilakukan oleh [23] menyajikan
pendekatan PBL lintas kursus (untuk rekayasa kebutuhan, manajemen proyek, dan kursus
rekayasa perangkat lunak). Ini melaporkan hasil ringkasan yang diperoleh dari evaluasi
siswa yang dinilai selama delapan tahun menggunakan berbagai upaya PBL lintas kursus.
Temuan mereka menunjukkan bahwa pendekatan mereka dapat berguna dalam kursus
Rekayasa Kebutuhan, Manajemen Proyek, dan Rekayasa Perangkat Lunak. Keuntungan
menonjol dari mengintegrasikan PBL di pendidikan tinggi termasuk peningkatan motivasi
siswa [24], belajar berbagai keterampilan secara mandiri, atau mendapatkan pemahaman
yang mendalam. Ini membantu siswa mengintegrasikan dan mengembangkan keterampilan
orasi dan eksekusi kolaborasi [25] dan kesesuaian untuk berbagai siswa dan gaya belajar
[26]. Karya yang disajikan dalam [27] menunjukkan efektivitas penggunaan wiki untuk PBL
dalam tiga program sarjana dari berbagai disiplin ilmu, yaitu, Studi Bahasa Inggris,
Manajemen Informasi, dan Teknik Mesin. Studi mereka menyimpulkan bahwa
Machine Translated by Google
M.Goyal
sebagiandkk.
besar siswa memiliki sikap positif terhadap penggunaan wiki untuk
pembelajaran berbasis proyek.
Penelitian telah menunjukkan bagaimana kurikulum, penilaian, dan
evaluasi didasarkan pada program yang dibangun dan bertindak sebagai
alat utama untuk mengevaluasi kualitas pengajaran dan pembelajaran yang
dicapai melalui parameter pencapaian kursus dan program [28]. Kaviet dkk.
[29] telah menjelaskan hierarki keterlibatan fakultas dalam pemetaan CO-
PO dan menunjukkan bagaimana pembelajaran siswa dapat diberdayakan
melalui pencapaian CO-PO. Pencapaian hasil yang diharapkan dalam
belajar siswa, di mana pencapaian adalah standar penting dari pencapaian akademik
Penilaian secara luas dikategorikan ke dalam metode langsung dan tidak langsung
untuk mengakses CO dan PO. Yang pertama berfokus pada mengakses kinerja siswa
melalui pengetahuan dan keterampilan yang diperoleh, sedangkan yang kedua berfokus
pada refleksi pandangan tentang pembelajaran siswa berdasarkan survei dan wawancara. rubrik pencapaian program yang telah ditentukan sebelumnya (lihat Tabel
Pendapat pemangku kepentingan yang berbeda mengenai pengetahuan dan
keterampilan lulusan dikumpulkan oleh lembaga [30]. Nakkeeran dkk. [31],
mempresentasikan hasil temuan mereka dengan menganjurkan bahwa adalah
wajib untuk beralih dari sistem pendidikan tradisional ke Pendidikan Berbasis
Hasil (OBE), termasuk PO, PSO, dan CO. Dalam karya lain yang disajikan di [32]
menunjukkan bahwa bagaimana kerangka PBL berfungsi sebagai model pedagogi
yang efisien untuk meningkatkan pencapaian hasil program menggunakan
pendekatan PBL. Troussas dkk. [33] mengusulkan metode inferensi fuzzy untuk
menyampaikan materi pembelajaran bahasa secara dinamis. Ini adalah model
hibrida untuk mendeteksi dan mengidentifikasi kesalahpahaman, serta sistem
inferensi untuk secara dinamis memberikan objek pembelajaran yang sesuai
dengan kebutuhan pelajar melalui pembelajaran mesin. Yang Tzu-Chi et al [34]
menyajikan temuan penelitian mereka tentang peningkatan pembelajaran siswa
menggunakan desain faktorial 22. Pekerjaan mereka cenderung menentukan
dampak pembelajaran observasional (OL) atau pembelajaran mandiri terhadap kinerja pembelajaran online
3. Metodologi penelitian yang diusulkan
Sistem pendidikan tinggi memiliki kebijakan untuk menentukan WTP.
Badan akreditasi seperti ABET, NBA, NACC, dll. [35] mendefinisikan Tujuan
Pembelajaran Program (PLO)/Parameter Pencapaian Program (PAP). Ini
adalah bagian integral dari Sains, Teknologi, Teknik, dan Matematika (STEM)
di mana konsep pendidikan digabungkan dengan pelajaran dunia nyata untuk
pembelajaran yang lebih baik. Lebih sering, rata-rata penilaian langsung dan
penilaian tidak langsung dipertimbangkan untuk memetakannya ke kursus
[36]. Komponen penilaian tidak langsung dihitung dari umpan balik siswa.
Tantangannya di sini adalah memetakan WTP yang sesuai dengan CAP.
Saat ini, instruktur kursus menggunakan pengetahuan mereka sebelumnya
untuk memetakan WTP yang sesuai dengan CAP. Karena ketidakpastian
dan ketidakjelasan alam pikiran manusia, Metode Inferensi Mamdani [13]
digunakan untuk menangani pengambilan keputusan instruktur kursus untuk
memetakan WTP. Tidak ada alat matematika yang pasti untuk memetakan
CAP ini ke WTP sejauh pengetahuan kami. Dengan demikian, makalah ini
mengusulkan pedagogi penilaian untuk mengevaluasi WTP yang sesuai
dengan CAP untuk menangani pemetaan korelasi yang tidak jelas. Gambar
1 menunjukkan model proses untuk menghitung parameter pencapaian program yang sesuai dengan
3.1. Parameter pencapaian kursus yang diusulkan
Makalah ini mengusulkan parameter pencapaian tiga kursus dan
mendefinisikan berbagai elemen sistem penilaiannya di tingkat pencapaian kursus.
Tingkat pencapaian kursus yang diusulkan dan pemetaan pajak Bloom (paling
banyak digunakan dan diterima) dengan semua dua belas parameter pencapaian
program yang dibahas dalam [35] tercantum dalam Tabel 1. Ini dipertimbangkan
untuk pemetaan dengan parameter pencapaian kursus yang diusulkan untuk
memenuhi pemenuhan dari hasil belajar yang diinginkan.
3.2. Penilaian rubrik yang diusulkan
Rubrik dirancang pada Tabel 2 untuk mencapai CAP yang diusulkan. Literatur
menunjukkan bahwa tidak ada satu model ukuran yang cocok untuk mengukur
kinerja. Dalam PBL, evaluator harus spesifik tentang harapan mereka dari passing
lulusan sebanyak mungkin [35]. Membuat rubrik untuk hal Heliyon
yang8 (2022)
samae10248
memang akan memberikan harapan dari setiap pencapaian. Pedoman
distribusi nilai yang luas untuk memahami jaminan proyek untuk berbagai
komponen pekerjaan proyek dapat diperoleh untuk penilaian yang lebih
akurat, spesifik, dan bermanfaat. Parameter pencapaian program ini
dipetakan dengan parameter pencapaian kursus ahli subjek berdasarkan
taksonomi Bloom [10], memiliki enam tingkat domain kognitif, yaitu Ingat,
Memahami, Menerapkan, Menganalisis, Mengevaluasi dan Membuat.
Strategi evaluasi proyek didasarkan pada rubrik ini untuk memastikan
[29]. yang adil dan tidak memihak dari setiap proyek dan setiap anggota.
evaluasi
Sebuah komite evaluasi program terdiri dari tiga anggota fakultas (untuk
setiap penilaian) untuk memastikan keseragaman dan ketidakberpihakan.
Nilai akhir setiap parameter adalah rata-rata tertimbang yang dihitung melalui
2). Mengingat penilaian inovatif, pendekatan yang diusulkan akan membantu
pendidik menilai kinerja kandidat pada beberapa kriteria penilaian seputar standar inti ya
3.3. Penilaian kinerja siswa
Pendidikan tinggi membutuhkan standar inti umum sebagai pendekatan
terpadu untuk menyampaikan dan menilai tingkat pengetahuan. Dalam
rekayasa, standar inti ini, pada tingkat abstrak, mencakup pemikiran kritis,
pemecahan masalah, pengambilan keputusan, komunikasi, kolaborasi, dan inovasi.
Tidak ada metode/teknik penilaian tunggal yang akan menjamin
keberhasilan pembelajaran dan penilaian. Dengan demikian, penting untuk
mengadopsi sistem penilaian yang mampu menilai standar pengajaran dan
pembelajaran yang efektif. Proses secara garis besar dari kerangka yang
diusulkan disajikan pada Gambar 2. Seluruh proses pengukuran pencapaian
dibagi menjadi siswa.
empat bagian, terdiri dari empat evaluasi dibagi menjadi dua
evaluasi tengah (M1, M2) dan dua evaluasi pokok (E1, E2) dilakukan keluar
secara progresif secara berkala selama satu tahun untuk mahasiswa sarjana
(teknik tahun terakhir). Dari empat ini, hanya evaluasi akhir (E1 dan E2)
yang akan dipertimbangkan untuk mengukur tingkat pencapaian.
3.4. Metode inferensi fuzzy untuk menghitung PAP yang sesuai dengan CAP
Metode Inferensi Mamdani [13] digunakan untuk mengevaluasi WTP
yang sesuai dengan CAP. Fungsi keanggotaan untuk variabel fuzzy ini
didefinisikan pada Gambar 3 untuk CAP1. Berikut ini adalah langkah-
langkah pendekatan Mamdani.
Langkah 1. Tentukan fungsi keanggotaan untuk variabel input dan
variabel output.
Variabel fuzzy keteladanan, kompeten, dan tidak memuaskan
didefinisikan untuk variabel input course attainment parameter (CAP)
menggunakan (1), (2), (3). Ada tiga CAP: CAP1, CAP2, CAP3. Fungsi
keanggotaan untuk setiap CAP didefinisikan sebagai:
; 0 < x 25
25 0CAP.
50x
50 25 ; 25 < x < 50
(1)
tidak memuaskan
0 ;f x 0 jika tidak
40 ; 40 < x 65 65
80x
80 65 ; 65 < x < 80
(2)
Kompeten 0f x; 40 jika tidak
75 < x 85
100x
; 85x100 100 85
(3)
jika tidak
teladan f 10;;
3
Machine Translated by Google

M.Goyal dkk. Heliyon 8 (2022) e10248

Gambar: 1. Model proses yang diusulkan untuk menghitung WTP yang sesuai dengan CAP.

Parameter pencapaian proyek dianggap sebagai variabel keluaran.

40 0
; 0x40
Variabel fuzzy dari variabel keluaran ini adalah rendah, sedang, dan tinggi,
(4)
diukur pada skala 80 menggunakan (4), (5), (6). Gambar 4 menunjukkan diagram rendah0f ;40 x jika tidak
untuk fungsi keanggotaan untuk pencapaian proyek variabel keluaran
parameter.

Tabel 1. Parameter Pencapaian Kursus dan pemetaannya.

Parameter Pencapaian Kursus (CAP) Tingkat Pemetaan PAP

CAP 1 Penilaian Pembelajaran Intelektual dan Memahami Tingkat PAP1,
Memahami: PAP2

a) Ini termasuk mengingat kembali pengetahuan tentang kunci

konsep,
b) Fakta dan teori untuk membangun sikap kritis, etis,
dan pemikiran yang masuk akal
CAP 2 Penilaian Kemampuan Menyelidiki dan Menerapkan: Analisis dan Terapkan Level PAP2, PAP3,
PAP4, PAP5, PAP6, PAP7, PAP8, PAP9
a) itu termasuk menampilkan pengetahuan analitis
diperoleh dengan menyelidiki solusi masalah
melalui pengetahuan dan teknik yang diperoleh dalam
cara yang berbeda dan pada berbagai tingkat abstraksi.
b) Ini juga mencakup kolaborasi rekan, perencanaan, dan
pemodelan.
c) Pemecahan masalah dan penelitian yang kompleks.
CAP 3 Penilaian Validasi dan Akseptabilitas Evaluasi Tingkat PAP10,
Alternatif Berbeda: PAP 11,
PAP12

a) Untuk mempersiapkan calon posisi siap masa depan baik

di industri dan akademisi,
b) Penilaian yang ketat dalam konteks pembuatan
dan mempertahankan penilaian tentang penerapannya
dan validitas ide dan solusi untuk memberikan
dukungan dalam kehidupan nyata adalah suatu keharusan.

4
Machine Translated by Google

M.Goyal dkk. Heliyon 8 (2022) e10248

Tabel 2. Rubrik Evaluasi Proyek Berbasis PBL yang Diusulkan.

Parameter Teladan ( 80%) Kompeten ( 50% &<80%) Tidak memuaskan (<50%)

Survei literatur Merujuk pada lebih dari sepuluh makalah dari jurnal Beberapa dokumen dari konferensi dan Makalah dipelajari dari konferensi, bukan dari
bereputasi. Studi alat dan teknik saat ini beberapa dari jurnal terkemuka. Tidak ada studi jurnal terkenal.
tentang Alat
Identifikasi dan Perumusan Masalah yang tidak dilaksanakan sebelumnya dan Definisi masalah jelas tetapi tidak layak untuk Masalahnya tidak didefinisikan dengan jelas.
Masalah siswa jelas, bagaimana untuk melangkah lebih jauh. diimplementasikan.

Desain/Metodologi Kinerja algoritma yang diusulkan lebih baik dari Kinerja algoritma yang diusulkan mirip dengan Tidak ada algoritma yang diusulkan
algoritma yang ada. algoritma yang ada.

Pengkodean/Implementasi Algoritme yang Diusulkan diimplementasikan Prototipe kerja proyek diimplementasikan, tetapi Satu-satunya ujung depan diimplementasikan. Tidak
menggunakan alat dan teknologi terkini Analisis ada beberapa masalah. ada backend

Analisis Hasil hasil yang tepat dan analisis komparatif dengan Analisis hasil dalam metode yang diuraikan, Tidak ada analisis hasil
teknik lain dilakukan. tetapi tidak membandingkan dengan teknik lain.

Suara/Presentasi Viva Pengetahuan tentang PALING konsep yang terkait Pengetahuan tentang beberapa konsep didefinisikan dalam Tidak ada pengetahuan tentang salah satu konsep
dengan proyek didefinisikan dengan baik di PPT PPT yang disajikan.

Laporan Laporan harus terorganisir dengan baik dengan Laporan diatur tetapi tidak termasuk dalam kasus TIDAK terorganisir dengan baik TIDAK diserahkan pada
use case, diagram kelas, dan diagram aktivitas. penggunaan. tenggat waktu

Algoritme dan hasil proyek didefinisikan dengan jelas.

Mentoring Siswa dilibatkan oleh seorang mentor di kelas lab dan Seorang mentor melibatkan siswa di kelas lab. Siswa tidak terbantu sama sekali.
di luar juga.

; 35x50 50 35
65x
; 50x65 65 50
(5)
sedang 0f x; 35 jika tidak

60x80
80 60
(6)
tinggi f0 x; 60 jika tidak

Langkah 2. Tentukan aturannya.

Aturan telah ditetapkan untuk setiap WTP yang sesuai dengan CAP. Ini
dirangkum dalam Tabel 3 di bawah ini:
Semua fungsi keanggotaan aturan konsekuen digabungkan
menggunakan fungsi agregasi menjadi satu himpunan fuzzy. Masukan
untuk proses defuzzifikasi adalah himpunan fuzzy keluaran agregat, dan
keluarannya berupa bilangan tunggal. Nilai-nilai defuzzifikasi dari
penalaran fuzzy diturunkan berdasarkan pusat gravitasi –COG, metode inferensi Mamdani.
Bagian selanjutnya membahas hasil yang dicapai dari hipotesis di
atas. Persamaan defuzzifikasi diberikan (7) di bawah ini:
Gambar 3. Fungsi Keanggotaan untuk variabel input (CAP1).

Gambar 2. Kerangka PBL yang Diusulkan. Gambar 4. Fungsi Keanggotaan untuk variabel keluaran (PAP1).

5
Machine Translated by Google

M.Goyal dkk. Heliyon 8 (2022) e10248

Tabel 3. Aturan.

Aturan

Untuk PAP 1 R1: Jika CAP1 tidak memuaskan atau CAP2 teladan, maka PAP1 sedang.
R2: Jika CAP1 teladan, maka PAP1 tinggi.
R3: Jika CAP1 kompeten atau CAP2 teladan, atau CAP3 tidak memuaskan, maka PAP1 sedang.
Untuk PAP2 R1: Jika CAP1 tidak memuaskan atau CAP2 teladan, maka PAP2 sedang.
R2: Jika CAP1 teladan, maka PAP2 tinggi.
R3: Jika CAP1 kompeten atau CAP2 teladan, maka PAP2 tinggi.
R4: Jika CAP1 kompeten atau CAP2 teladan, atau CAP3 tidak memuaskan, maka PAP2 sedang.
Untuk PAP3 R1: Jika CAP1 tidak memuaskan atau CAP2 teladan maka PAP3 sedang.
R2: Jika CAP1 teladan, CAP2 teladan atau CAP3 teladan, maka PAP3 tinggi.
R3: Jika CAP1 kompeten atau CAP2 teladan, maka PAP2 tinggi.
R4: Jika CAP1 kompeten atau CAP2 teladan, atau CAP3 tidak memuaskan, maka PAP3 sedang.
Untuk PAP4 R1: Jika CAP1 tidak memuaskan atau CAP2 kompetitif, tidak maka PAP4 rendah.
R2: Jika CAP3 teladan, maka PAP4 tinggi.
R3: Jika CAP1 berkompeten atau CAP2 teladan, maka PAP4 sedang.
R4: Jika CAP1 kompeten atau CAP2 teladan, atau CAP3 tidak memuaskan, maka PAP4 sedang.
Untuk PAP 5 R1: Jika CAP1 tidak memuaskan atau CAP2 kompeten, maka PAP5 sedang.
R2: Jika CAP3 teladan, maka PAP5 tinggi.
R3: Jika CAP1 kompeten atau CAP2 teladan, atau CA3 teladan, maka PAP5 sedang.
R4: Jika CAP1 teladan atau CAP2 tidak memuaskan, atau CAP3 teladan, maka PAP5 sedang.
Untuk PAP 6 R1: Jika CAP1 tidak memuaskan atau CAP2 kompeten, maka PAP6 sedang.
R2: Jika CAP3 teladan, maka PAP6 tinggi.
R3: Jika CAP1 kompeten atau CAP2 teladan, atau CAP3 tidak memuaskan, maka PAP6 sedang.
R4: Jika CAP1 kompeten atau CAP2 teladan, atau CAP3 teladan, maka PAP6 tinggi.
R5: Jika CAP1 teladan atau CAP2 tidak memuaskan, atau CAP3 teladan, maka PAP6 rendah.
Untuk PAP 7 R1: Jika CAP1 tidak memuaskan atau CAP2 kompeten, maka PAP7 rendah.
R2: Jika CAP1 kompeten atau CAP2 teladan, atau CAP3 tidak memuaskan, maka PAP7 sedang.
R3: Jika CAP1 kompeten atau CAP2 teladan, atau CAP3 tidak memuaskan, maka PAP7 rendah.
R4: Jika CAP1 kompeten atau CAP2 teladan, atau CAP3 teladan, maka PAP7 tinggi.
Untuk PAP 8 R1: Jika CAP1 kompeten atau CAP2 tidak memuaskan, atau CAP3 tidak memuaskan, maka PAP8 rendah.
R2: Jika CAP1 berkompeten atau CAP2 teladan, atau CAP3 teladan, maka PAP8 sedang.
R3: Jika CAP1 berkompeten atau CAP2 teladan, atau CAP3 teladan, maka PAP8 sedang.
Untuk PAP9 R1: Jika CAP1 kompeten atau CAP2 tidak memuaskan, atau CAP3 tidak memuaskan, maka PAP9 rendah.
R2: Jika CAP1 kompeten atau CAP2 teladan, atau CAP3 teladan, maka PAP9 tinggi.
R3: Jika CAP1 tidak memuaskan atau CAP2 kompeten maka PAP9 sedang.
Untuk PAP10 R1: Jika CAP1 kompeten atau CAP2 tidak memuaskan, atau CAP3 tidak memuaskan, maka PAP10 rendah.
R2: Jika CAP1 berkompeten atau CAP2 teladan, atau CAP3 teladan, maka PAP10 sedang.
R3: Jika CAP3 teladan, maka PAP10 sedang.
Untuk PAP 11 R1: Jika CAP1 kompeten atau CAP2 tidak memuaskan, atau CAP3 tidak memuaskan, maka PAP11 rendah.
R2: Jika CAP1 berkompeten atau CAP2 teladan, atau CAP3 teladan, maka PAP11 sedang.
R3: Jika CAP3 teladan, maka PAP11 sedang.
Untuk PAP 12 R1: Jika CAP1 kompeten, atau CAP2 tidak memuaskan, atau CAP3 tidak memuaskan, maka PAP12 rendah.
R2: Jika CAP1 berkompeten, atau CAP2 teladan, atau CAP3 teladan, maka PAP12 sedang.
R3: Jika CAP3 teladan, maka PAP12 sedang.

PÿAðxÞ x mata pelajaran dan data pada 615 siswa. Analisis pembelajaran (seperti yang
COAðAÞ (7)
PÿAðxÞ dibahas dalam Tabel 5 dan Tabel 6) digunakan untuk mengumpulkan,
menganalisis, mengukur, dan melaporkan data investigasi untuk memahami
4. Pengumpulan data dampak dari keberhasilan ukuran penilaian yang diusulkan. Efektivitas pendekatan
yang diusulkan digambarkan oleh analisis statistik yang dilakukan pada evaluasi
Dalam artikel ini, penilaian CAP terhadap mahasiswa proyek tahun terakhir hasil dan kinerja mahasiswa sarjana dan menjawab pertanyaan penelitian yang
perguruan tinggi profesional dipertimbangkan. Tabel 4 menyajikan rincian peserta: diidentifikasi pada bagian 1.
Selain itu, kinerja setiap siswa pada setiap evaluasi proyek telah dipertimbangkan
berdasarkan 4Ç yang ditentukan sesuai dengan CAP seperti yang ditunjukkan
5.1. Analisis skor proyek sebagai parameter pencapaian kursus CAP1,
pada Tabel 5.
CAP2, dan CAP3 menurut hasil pembelajaran kursus (RQ1)

Tabel 4 menunjukkan bahwa pada evaluasi-1 (E1), siswa yang dievaluasi

Hasil analisis statistik yang diselidiki dengan menganalisis skor masing-
untuk komunikasi adalah 9%, untuk kerjasama, 24,5%, untuk berpikir kreatif,
masing siswa dirangkum dalam Tabel 8 dan 9 menyajikan ringkasan
22,2%, dan untuk berpikir kritis, 44,4%. Demikian pula nilai yang dibagikan untuk
Evaluasi-1 hasil, sedangkan Tabel 9 merupakan ringkasan hasil
evaluasi-2 (E2), difokuskan pada keterampilan komunikasi, berpikir kreatif, dan
Evaluasi-2 dan jawab klaim untuk hipotesis nol (H0) berikut dan hipotesis
berpikir kritis. Kinerja siswa sesuai ditunjukkan pada Tabel 6.
alternatif (H1):

Terlihat bahwa siswa yang mendapat nilai >90 persentasenya kurang dari
siswa yang berprestasi baik menurut 4C.
5. Validasi empiris
Validasi empiris yang komprehensif dari metode yang diusulkan (lihat
Tabel 7, Lampiran A) dilakukan sebagai eksperimen terkontrol dengan real
Hipotesis Null (H0): Untuk data numerik tertentu yang memiliki nilai rata-rata
kurang dari atau sama dengan 5,0 menunjukkan pemahaman yang kurang
tentang tujuan kursus. yaitu, H, 0: mean sampel 5.0 (tidak ada korelasi)
Hipotesis alternatif (H1): Untuk data numerik tertentu yang memiliki nilai rata-
rata lebih besar dari 5,0, menunjukkan pemahaman tujuan kursus, yaitu, H1:
mean sampel >5,0 (korelasi)

6
Machine Translated by Google

M.Goyal dkk. Heliyon 8 (2022) e10248

Tabel 4. Rincian peserta. Tabel 9. Hasil analisis statistik evaluasi -2.

Karakteristik Nomor/Tingkat CAP 1 CAP 2 CAP 3

Usia Pria Antara 21-22 Berarti 6.88 10,75 11.24

Perempuan Antara 21-22 Perbedaan 2.019 5.591 4.972

Jenis kelamin Pria 442 nilai-p <0.001 0,00018

Perempuan 173

Tahun Studi Tahun Terakhir Teknik 615

Keterampilan
Proyek Kecil yang Dikembangkan di
dua Semester berturut-turut
Motivasi Sebagai calon untuk penempatan
parameter. Tabel 9 mengasumsikan nilai rata-rata lebih besar dari 10; dalam skala
1–20, menunjukkan peningkatan skor kinerja siswa
Tinggi diambil oleh panel evaluasi.

5.2. Analisis CAP1, CAP2, CAP3, dan Kinerja Siswa (RQ2)

Tabel 5. Distribusi tanda proyek.

Distribusi Tanda menurut 4C (dalam persentase) Tabel 10 dan Tabel 11 menyajikan hubungan linier (korelasi)
Menyampaikan Kooperatif Berpikir kreatif Berpikir kritis
antara variabel evaluasi-1 dan evaluasi-2, masing-masing, untuk
(CA3) (CA3) (CA1) (CA2) berikut hipotesis nol (H0) dan hipotesis alternatif (H1):
E1 9 24.5 22.2 44.4

E2 39.5 23.2 37.2 Hipotesis nol (H0) di sini adalah bahwa, untuk pertanyaan tertentu, data numerik
E1 Evaluasi 1 dan E2 Evaluasi 2. yang dikumpulkan memiliki nilai rata-rata skor kurang dari atau sama dengan
5.0, menunjukkan kinerja yang buruk untuk mencapai parameter CAP.
Hipotesis alternatif (H1) adalah bahwa nilai rata-rata skor adalah
lebih luas dari 5.0, menunjukkan kinerja yang lebih baik untuk mencapai
Tabel 6. Kinerja siswa menurut 4C. parameter CAP.

Prestasi siswa menurut 4Ç (dalam persentase)

Korelasi positif antara parameter pencapaian kursus
Skor Kreatif Kritis Berkomunikasi dan
melawan menegaskan bahwa jika siswa memiliki pengetahuan yang ditangkap oleh parameter
Pemikiran Pemikiran Koperasi (CA3)
4C (CA1) (CA2) CAP1, maka siswa memiliki pengetahuan tentang parameter lain dan milik
E1 >50 97.4 76.6 86.2 untuk CAP yang berbeda. Tabel 12 dan Tabel 13 menyajikan statistik deskriptif
antara 50 43.5 35.7 54.9
dari setiap CAP untuk Evaluasi-1 dan Evaluasi-2.
ke 70 Tabel 12 menunjukkan nilai rata-rata CAP1 adalah 4,282, yang lebih kecil dari
antara 70 33.6 30.5 23.7 nilai 5, yang menjelaskan kinerja siswa yang buruk dibandingkan dengan
ke 90 parameter pencapaian kursus lainnya di Evaluasi-1. Dalam Evaluasi-2
>90 8 1 0,03 (lihat Tabel 13), nilai rata-rata skor proyek lebih besar dari 5,
E2 >50 92.2 89.6 90.4 menunjukkan kinerja siswa yang lebih baik di setiap CAP.
antara 50 44.5 37.3 38.6
ke 70
5.3. Analisis skor fuzzy CAP1, CAP2, CAP3 sesuai dengan
antara 70 39.8 43.9 47.9
ke 90
PAP1, PAP2, PAP3… PAP12 (RQ3)

>90 2 2 1
Para ahli memetakan parameter pencapaian kursus dengan parameter
E1 Evaluasi 1 dan E2 Evaluasi 2.
pencapaian program pada skala 1-3, di mana 1 mewakili sedikit, 2 untuk
sedang, dan 3 untuk substansial [36]. Sulit bagi guru untuk
Tabel 9 menyajikan ringkasan hasil Evaluasi-2 untuk menjawab pertanyaan petakan setiap CAP ke setiap PAP pada skala yang tepat. Tabel 14 (Lampiran A)
berikut hipotesis nol (H0) dan hipotesis alternatif (H1): menunjukkan statistik deskriptif dari metodologi yang diusulkan
defuzzifikasi nilai WTP. Tingkat kepercayaan yang tinggi di atas
Hipotesis nol (H0) di sini adalah bahwa, untuk pertanyaan tertentu, data numerik 95%, dan dapat ditetapkan sebagai 3, sedangkan tingkat percaya diri antara
yang dikumpulkan memiliki nilai rata-rata kurang dari atau sama dengan 10,0, 55 hingga 95 dapat diberikan sebagai 2, dan di bawah 55% dapat diberikan sebagai 1. Jadi,

menunjukkan tidak ada pemahaman untuk mencapai parameter CAP meningkat
dengan bantuan panel evaluasi.
Hipotesis alternatif (H1) adalah bahwa nilai rata-rata lebih besar dari
10.0, menunjukkan pemahaman dan korelasi antara Bloom's
taksonomi. H0: mean sampel 10,0 (tidak ada korelasi) H1: mean sampel
>10.0 (korelasi).
Nilai p lebih rendah dari 0,05, mengkonfirmasikan korelasi untuk semua
parameter pencapaian kursus dengan skor. Oleh karena itu, hipotesis
korelasi tidak boleh ditolak untuk semua pencapaian kursus
pendekatan Mamdani yang diusulkan dapat membantu guru menugaskan WTP
nilai yang sesuai dengan nilai CAP siswa. Ini akan mengurangi
tantangan untuk memetakan nilai PAP yang sesuai dengan parameter CAP.
Keterbatasan pendekatan ini adalah bahwa hal itu dirasakan berdasarkan
aturan ahli di mana aturan didefinisikan pada asumsi yang mungkin atau
mungkin tidak akurat. Selain itu, pendekatan yang diusulkan tidak dapat dipelajari
pengenalan pola dibandingkan dengan pembelajaran mesin dan saraf
pengenalan pola tipe jaringan.
Metode yang diusulkan dapat diperluas untuk mengetahui cluster antara kursus
dan tujuan program menggunakan pembelajaran mesin

Tabel 8. Hasil Analisis Statistik Evaluasi-1. Tabel 10. Korelasi antar variabel untuk Evaluasi-1.

CAP 1 CAP 2 CAP 3 CAP 1 CAP 2 CAP 3

Berarti 4.28 7.10 5.51 CAP 1 1

Perbedaan 0,820 4.675 1.292 CAP 2 0,406352 1

<0.001 <0.001 CAP 3 0.341504 0.27224805 1

nilai-p

7
Machine Translated by Google

M.Goyal dkk. Heliyon 8 (2022) e10248

Sistem inferensi Mamdani. Klasifikasi pembelajaran mesin lainnya

Tabel 11. Korelasi antar variabel untuk Evaluasi -2.
algoritma juga menghasilkan hasil yang signifikan. Oleh karena itu, usulan
CAP 1 CAP 2 CAP 3 pendekatan dapat digunakan untuk mengalokasikan parameter pencapaian program

CAP 1 1 sesuai dengan parameter pencapaian kursus.

CAP 2 0,514697 1

CAP 3 0,512833 0.650026 1

6.1. Pencapaian PAP oleh seorang siswa

Platform Jupiter, yang dibangun dengan Python 3.7, telah digunakan untuk
menerapkan konsep pendidikan berbasis hasil dengan menggunakan pendekatan fuzzy. SEBUAH
Tabel 12. Skor proyek dalam Evaluasi-1. metode pemetaan CAP ke WTP telah diusulkan. Lebih jauh lagi, metode ini dapat
digunakan untuk mengevaluasi tingkat pencapaian sistem.
CAP1 CAP2 CAP3
Tingkat pencapaian PAP siswa individu ditunjukkan pada Gambar 5. It
Berarti 4.282 Berarti 7.104 Berarti 5.518
dapat membantu dalam mencapai tujuan, visi, dan tujuan lembaga dengan
SD 0,905 SD 2.162 SD 1.1367
akurasi dan presisi yang lebih besar.
Maks 6 Maks 11 Maks 11

SD Standar Deviasi, Maks Maksimum. 7. Kesimpulan

Makalah ini mengusulkan kerangka kerja pembelajaran berbasis proyek untuk mencapai
kompetensi yang dibutuhkan dengan menganalisis efek implementasi PBL
Tabel 13. Skor proyek dalam Evaluasi-2. untuk mata kuliah tingkat sarjana teknik. Metode logika fuzzy,
Metode Inferensi Mamdani, mengevaluasi WTP yang sesuai dengan CAPs
CAP1 CAP2 CAP3
untuk menangani pemetaan korelasi yang tidak jelas dan tidak pasti. Kursus
Berarti 6.877 Berarti 10.749 Berarti 11.241
parameter pencapaian dicapai dari nilai proyek siswa berdasarkan
SD 1.421 SD 2.365 SD 2.230
pada rubrik yang diusulkan. Sejauh pengetahuan kami, literatur tidak memiliki
Maks 10 Maks 15 Maks 16
studi mendefinisikan alat matematika yang terdefinisi dengan baik untuk memetakan CAP ini ke
SD Standar Deviasi, Maks Maksimum. PAP. Hasil penelitian menunjukkan bahwa kinerja mahasiswa S1 mengeksplorasi
pemenuhan hasil belajar/keterampilan yang diperlukan untuk mencakup:
berpikir kreatif dan kritis, kolaborasi, komunikasi, dan kreativitas, dengan batasan dan
algoritma, Neural network, pengambilan keputusan atribut ganda dengan
standar penilaian yang realistis dalam lingkungan pendidikan berbasis hasil.
menggunakan operasi norma Archimedean [38]. Pekerjaan di masa depan diusulkan
Uji coba alat untuk berbagai mata pelajaran berbasis hasil
Secara khusus, tiga pertanyaan penelitian dianalisis (a) apakah ada?
sedang belajar. Bagian selanjutnya membahas validasi hasil dari
pengaruh hasil belajar kursus terhadap kinerja siswa? (b) melakukan
hasil inferensi menggunakan algoritma machine learning.
kinerja siswa mempengaruhi parameter pencapaian kursus? dan (c) bisa
ada alat matematika untuk membangun hubungan antara kursus
6. Validasi hasil
parameter pencapaian (CAP1, CAP2, CAP3) dan pencapaian program
parameter (PAP1, PAP2,…PAP12).
Bagian ini membahas algoritme pembelajaran mesin untuk memvalidasi
Hasil eksperimen untuk mengukur pendekatan yang diusulkan
hasil inferensi dibahas pada bagian di atas. Setelah defuzzifikasi,
efektivitas digambarkan oleh analisis statistik dan algoritma pembelajaran mesin dengan
aturan agregasi nilai PAP diterapkan untuk menentukan nilai
mencapai akurasi 98%. Penulis telah mencoba untuk
variabel output apakah PAP yang sesuai dengan CAP rendah, sedang,
menyelidiki dampak pengetahuan yang diperoleh melalui proyek berbasis
tinggi. Sebaliknya, rendah mewakili 1, sedang mewakili 2, dan tinggi mewakili 3, masing-
pembelajaran tentang (a) pencapaian kursus dan (b) pencapaian program teknik secara
masing. Berbagai algoritme pembelajaran mesin seperti regresi logistik, hutan acak, dan
keseluruhan untuk mempromosikan pembelajaran keterampilan abad ke-21 yang lebih mendalam yang
algoritme berbasis naif memvalidasi
siswa perlu berhasil dalam ekonomi berbasis pengetahuan saat ini. Penulis juga percaya
klasifikasi nilai-nilai PAP ini. Rasio pelatihan dan pengujian
bahwa menerapkan PBL untuk tingkat sarjana adalah
kumpulan data adalah 70 dan 30, masing-masing. Ada mesin klasifikasi lainnya
lebih bermanfaat untuk melatih dan menyadarkan siswa untuk selalu bekerja
algoritma pembelajaran seperti K-NN, A-NN untuk validasi, dapat mempertimbangkan untuk
menuju masa depan yang berkelanjutan.
pekerjaan masa depan. Hasil algoritma yang diusulkan diukur dalam hal
Implikasi teoretis: Makalah ini membuat dua kontribusi untuk
recall, presisi, dan f1-measure, seperti yang ditunjukkan pada Tabel 15 (Lampiran A).
tubuh pengetahuan. Pertama, dengan memperluas korpus pengetahuan dan,
Tabel 15 menunjukkan bahwa algoritma hutan acak mencapai tertinggi
kedua, dengan memperkenalkan metode baru untuk mendorong penilaian dalam
akurasi, yaitu 98%, antara lain dari hasil yang diperoleh dari
lingkungan dinamis yang berbeda dari apa yang telah dilakukan sebelumnya. Ke
sepengetahuan penulis, sampai saat ini, tidak ada alat matematika yang pasti untuk
memetakan CAP ke WTP. Dengan demikian, makalah ini mengusulkan penilaian
pedagogi untuk mengevaluasi WTP yang sesuai dengan CAP untuk menangani
pemetaan korelasi samar menggunakan logika fuzzy.
Implikasi praktis: Pertama, instruktur dapat menerapkan metodologi
dalam kursus mereka untuk penilaian di lingkungan kerja mereka sendiri, dan
dengan kompetensi internalnya. Bukti empiris mungkin dengan mudah
dimasukkan ke dalam hampir setiap kursus di institut maupun universitas
tingkat.

Gambar 5. Pencapaian PAP oleh dua orang siswa.
Salah satu keterbatasan penelitian ini adalah teori Fuzzy tidak dapat menangani
data yang tidak tepat. Jika data tidak tepat maka sistem yang diusulkan tidak akan
menyimpulkan hubungan yang tepat antara pemetaan CO dan PAP. Dalam studi ini
pesertanya adalah mahasiswa ilmu komputer tahun terakhir. Itu bisa diterima
untuk percaya bahwa temuan penelitian ini mewakili populasi ini. Setiap penerapan temuan
ke himpunan siswa lain atau
kursus harus dipertimbangkan dengan hati-hati.

8
Machine Translated by Google

M.Goyal dkk. Heliyon 8 (2022) e10248

Selanjutnya, penulis ingin mempelajari bagaimana individu lain Pernyataan ketersediaan data
faktor-faktor seperti jenis kelamin, pengetahuan sebelumnya, dan pengalaman mempengaruhi
kompetensi dalam penelitian selanjutnya. Data yang terkait dengan penelitian ini telah disimpan di Harvard Data verse di https://doi.org/10.7910/DVN/

7DRBDO
Deklarasi
Pernyataan pernyataan kepentingan
Pernyataan kontribusi penulis
Para penulis menyatakan tidak ada konflik kepentingan.

Mukta Goyal, Chetna Gupta, Varun Gupta: Diciptakan dan dirancang

percobaan; Melakukan percobaan; Dianalisis dan ditafsirkan Informasi tambahan
data; Reagen, bahan, alat analisis atau data yang dikontribusikan; menulis
kertas. Tidak ada informasi tambahan yang tersedia untuk makalah ini.

Pernyataan pendanaan

Penelitian ini tidak menerima hibah khusus dari lembaga pendanaan

di sektor publik, komersial, atau nirlaba.

Lampiran A

Tabel 7. Metode Validasi Empiris

Hipotesis 1 Hipotesis 2 Hipotesis 3

Sasaran Analisis skor yang mewakili Menganalisis hubungan antara kursus Analisislah hubungan antara
parameter pencapaian menurut Taksonomi Bloom parameter pencapaian dan Skor Siswa parameter pencapaian kursus
dengan pencapaian program
parameter.

Variabel independen Skor di setiap CAP Skor di setiap CAP Total nilai pencapaian Kursus

Variabel Dependen dan ukuran Persentase total di setiap CAP Persentase Total di setiap CAP Parameter pencapaian program

Pendekatan Studi Empiris Simulasi dengan kumpulan data 615 menggunakan uji-t Simulasi dengan kumpulan data 615 menggunakan Sistem Inferensi Mamdani dengan
statistik korelasi dan deskriptif kumpulan data analisis ukuran 615 menggunakan
uji-t

Validasi Hasil Regresi Logistik, SVM Linier,

Hutan Acak, dan Naïve Bayes
memvalidasi Hasil Fuzzy.

Tabel 14. Statistik deskriptif PAP yang sesuai dengan setiap pencapaian Kursus

PAP1 PAP2 PAP3 PAP4 PAP5 PAP6 PAP7 PAP8 PAP9 PAP10 PAP11 PAP12

Berarti 56,674 57.4044 58.4495 38.6777 57.5777 44,6256 35.8803 31.4709 46.3308 33.101 33.101 33.101

Standar Deviasi 9.28695 9.6761 8.84753 9.3277 3.73623 12.2969 5.35636 5.704 12.7859 7.19816 7.19816 7.19816

Minimum 50 50 50 16.539 50 13.3333 16.539 13.3333 18.432 13.3333 13.3333 13.3333

Maksimum 73.6667 73.6667 73.6667 59.7051 59.7051 59.7051 56.0967 50 73.6667 59.7051 59.7051 59.7051

Tingkat Konf (95%) 0,73724 0,76813 0,70235 0,74047 0.2966 0,97618 0,42521 0.45281 1.015 0,57142 0,57142 0,57142

Tingkat Konfi . Tingkat kepercayaan diri.

Tabel 15. Validasi Algoritma menggunakan Machine Learning.

Skor Regresi logistik SVM linier Hutan Acak Naif Bayes

presisi mengingat f1-skor presisi mengingat f1-skor presisi mengingat f1-skor presisi mengingat f1-skor

Rendah 0.93 0,97 0,95 0,91 0,97 0,94 1.00 1.00 1.00 1.00 1.00 1.00

Sedang 0,86 0.73 0,79 0,96 0,56 0,71 0,95 0,98 0,96 0,76 0,78 0,77

Tinggi 0,91 0,95 0.93 0.83 0,97 0.9 0,99 0,97 0,98 0,88 0,87 0,88

Akurasi 0.91 Akurasi 0.88 Akurasi 0.98 Akurasi 0.90

Referensi [2] A. Stathopoulou, NT Siamagka, G. Christodoulides, Pandangan multi-stakeholder tentang

media sosial sebagai alat pendukung dalam pendidikan tinggi: seorang pendidik-mahasiswa
perspektif, Eur. Kelola. J. 37 (4) (Agustus 2019) 421–431.
[1] K. Brundiers, M. Barth, G. Cebri an, M. Cohen, L. Diaz, S. Doucette-Remington,
[3] A. Vass, P. Szikora, Pentingnya penilaian berkala dalam pendidikan tinggi
W. Dripps, G. Habron N. Harr e, M. Jarchow, K. Losch, Kompetensi kunci dalam
Hongaria, Eng. Kelola. J. 3 (1) (Jan 2017) 14–23.
keberlanjutan dalam pendidikan tinggi—menuju kerangka acuan yang disepakati,
Sustan. Sci. 16 (1) (Jan 2021) 13–29.

9
Machine Translated by Google
M.Goyal dkk.
[4] AP Alexander, Perbedaan individu pada pelajar usia kuliah: pentingnya penalaran relasional untuk
pembelajaran dan penilaian di pendidikan tinggi, Br. J. Pendidikan.
Psiko. 89 (3) (Sep 2019) 416–428.
[5] D. Alt, N. Raichel, Pembelajaran berbasis masalah, penilaian diri dan rekan di tingkat yang lebih tinggi
pendidikan: menuju kemajuan keterampilan belajar sepanjang hayat, Res. pap. Pendidikan (Des 2020)
1–25, vol. 0, tidak. 0.
[6] B. Ngereja, B. Hussein, B. Andersen, Apakah pembelajaran berbasis proyek (PBL) mendorong
pembelajaran siswa? Sebuah Evaluasi Kinerja, Edu. Sci. 10 (11) (Nov 2020) 330.
[7] C.-C. Chang, C.-G. Kuo, Y.H. Chang, Alat penilaian memprediksi pembelajaran
efektivitas pembelajaran berbasis proyek dalam meningkatkan pendidikan keberlanjutan, Keberlanjutan
10 (10) (Okt 2018) 3595.
[8] KN Huggett, WB Jeffries, Tinjauan Penelitian Pembelajaran Aktif dan Dasar Pemikiran Pembelajaran Aktif”,
Panduan Cara Bertindak. Lear, Springer, Cham., Mei 2021, hlm. 1–7.
[9] SE Gallagher, T. Savage, Pembelajaran berbasis tantangan di pendidikan tinggi: dan
tinjauan literatur eksplorasi, Teach. Tinggi. Pendidikan (Des 2020) 1-23, vol. 0, tidak. 0.
[10] DR Krathwohl, Sebuah Revisi Taksonomi Bloom: Sebuah gambaran, Teori ke dalam praktek 41 (4)
(Nov 2002) 212-218.
[11] DC Phillips, Taksonomi Tujuan Pendidikan, Encycl. Pendidikan Theory Philos., Sage Publi., Mei 2014.
[12] V. Erdogan, Mengintegrasikan keterampilan 4C abad ke-21 ke dalam 4 keterampilan bahasa di kelas
EFL, Int. J. Pendidikan. Res. 7 (11) (Nov 2019) 113–124.
[13] M. Goyal, D. Yadav, A. Choubey, Pendekatan logika fuzzy untuk lembar tes adaptif
generasi dalam E-learning, IEEE Int. Kon. teknologi. Tingkatkan Pendidikan ICTEE (Jan 2012) 1-4.
[14] K. Mangaroska, M. Giannakos, Analisis pembelajaran untuk desain pembelajaran: tinjauan literatur
sistematis dari desain berbasis analisis untuk meningkatkan pembelajaran, IEEE Trans. di Lear.
Teknologi 12 (4) (Sep 2018) 516–534.
[15] A. Syakur, L. Musyarofah, S. Sulistiyaningsih, W. Wike, Pengaruh Inovasi Pembelajaran Berbasis Proyek
(PjBL) Berkelanjutan Terhadap Hasil Belajar Bahasa Inggris di Perguruan Tinggi, Budapest Int. Res. dan
Krit. di Ling. dan Edu. (BirLE) J. 3 (1) (Feb 2020) 625–630.
[16] S. Hasanefendic, M. Heitor, H. Horta, Pelatihan siswa untuk pekerjaan baru: peran pendidikan tinggi
teknis dan kejuruan dan implikasi untuk kebijakan sains di Portugal, Techn. Depan. Soc Chan 113
(2016) 328–340, no 0.
[17] Q. Hu, F. Li, CF Chen, Tempat uji rumah pintar untuk pendidikan sarjana untuk menjembatani
kesenjangan kurikulum dari sistem tenaga tradisional ke jaringan pintar modern, IEEE Trans.
Pendidikan 58 (1) (Mei 2014) 32–38.
[18] H. Hassan, C. Domínguez, JM Martínez, A. Perles, J. Albaladejo, JV Capella,
Pembelajaran berbasis proyek multicourse terintegrasi dalam teknik elektronik, Int. J. Eng.
Pendidikan 24 (3) (Jan-Des 2008) 581–591.
[19] K. Ruikar, P. Demian, Podcasting untuk melibatkan industri dalam pembelajaran berbasis proyek, Int.
J. Eng. Pendidikan 29 (6) (Jan-Des 2013) 1410–1419.
[20] M. Gibbes, L. Carson, Pembelajaran bahasa berbasis proyek: analisis teori aktivitas,
Berinovasi Lang. Mempelajari. Mengajar. 8 (2) (Mei 2014) 171–189.
[21] AC Mettas, CC Constantinou, Pameran teknologi: pendekatan pembelajaran berbasis proyek
untuk meningkatkan keterampilan pemecahan masalah dan minat dalam pendidikan desain
dan teknologi, Int. J.Teknol. Des. Pendidikan 18 (1) (Jan 2008) 70–100.
10
Heliyon 8 (2022) e10248
[22] A. Habok, J. Nagy, Persepsi guru dalam jabatan tentang pembelajaran berbasis proyek, SpringerPlus
5 (1) (Des 2016) 1–14.
[23] JC Nwokeji, ST Frezza, Pembelajaran berbasis proyek lintas kursus dalam persyaratan
engineering: retrospektif delapan tahun, Proc. - Depan. Pendidikan Kon. FIE (Okt 2017) 1–9.
[24] JP Rowe, LR Shores, BW Mott, JC Lester, Mengintegrasikan pembelajaran, masalah
pemecahan, dan keterlibatan dalam lingkungan belajar yang berpusat pada narasi, Int. J. Arti.
Intel. Pendidikan 21 (1-2) (Jan 2011) 115–133.
[25] IDL Ríos, A. Cazorla, JM Díaz-Puente, JL Yagüe, Pembelajaran berbasis proyek dalam pendidikan
tinggi teknik: dua dekade kompetensi mengajar di lingkungan nyata, Procedia - Soc. Perilaku Sci. 2
(2) (Jan 2010) 1368–1378.
[26] JG Glonek, Gaya Belajar: Teori dan Strategi Pedagogis, Amerika Serikat Mil
Acad, 2013.
[27] SKW Chu, Y. Zhang, K. Chen, CK Chan, CWY Lee, E. Zou, W. Lau, The
efektivitas wiki untuk pembelajaran berbasis proyek dalam berbagai disiplin ilmu di pendidikan tinggi,
Internet High Education. 33 (Apr 2017) 49–60, no 0.
[28] L. Hakulinen, T. Auvinen, A. Korhonen, Pengaruh lencana prestasi pada
perilaku siswa: studi empiris dalam kursus ilmu komputer tingkat universitas, Int. J. dari Emer. Teknologi.
di Lear. 10 (1) (Mar 2015), 00-00.
[29] A. Kavitha, KI James, KA Harish, V. Rajamani, Sebuah studi empiris tentang penilaian & pencapaian
Co-Po untuk akreditasi teknik NBA tier-II menuju pemberdayaan siswa melalui pendidikan berbasis
hasil, Int. J. Aplikasi Murni.
Matematika. 118 (20) (Jan-Des 2018) 2615–2624.
[30] RM Harden, Hasil pembelajaran sebagai alat untuk menilai perkembangan, Med. Mengajar. 29 (7)
(Jan 2007) 678–682.
[31] R. Nakkeeran, R. Babu, R. Manimaran, P. Gnanasivam, Pentingnya hasil
pendidikan berbasis (OBE) untuk memajukan kualitas pendidikan dan meningkatkan mobilitas global, Int
J Pure Appl Math Spec Edisi 119 (17) (Jan-Des 2018) 1483–1492.
[32] AD Patange, AK Bewoor, SP Deshmukh, SS Mulik, SS Pardeshi,
R. Jegadeeshwaran, Meningkatkan pencapaian hasil program menggunakan pendekatan pembelajaran
berbasis proyek untuk: ug kursus-mekatronik, J Eng Educ Trans 33 (1) (Nov 2019) 1–8.
[33] C. Troussas, K. Chrysafiadi, M. Virvou, Sebuah adaptif cerdas berbasis fuzzy
sistem inferensi untuk pembelajaran bahasa dengan bantuan komputer, Expert Syst. aplikasi 127
(2019) 85–96.
[34] Y. Tzu-Chi, Dampak pembelajaran observasional dan mekanisme pembelajaran mandiri
pada kinerja pembelajaran online: studi kasus pada kursus matematika sekolah
menengah, dalam: 2020 IEEE 20th International Conference on Advanced Learning
Technologies (ICALT), IEEE, 2020, Juli, hlm. 194–197.
[35] Badan Akreditasi untuk Rekayasa dan Teknologi Inc, Kriteria Akreditasi
Program Studi Teknik 2017-2018. Siklus, 2016.
[36] B. Kanmani, KM Babu, Memperkenalkan “pembelajaran seumur hidup” dalam pendidikan teknik,
IEEE 3rd Int. Kon. MOOC, Innov. teknologi. Pendidikan (Oktober 2015) 466–471.
[38] L. Wang, H. Garg, Algoritma untuk beberapa atribut pengambilan keputusan dengan operasi norma
archimedean interaktif di bawah ketidakpastian fuzzy pythagoras, Int. J. Hitung.
Intel. Sistem 14 (1) (Jan 2021) 503–527.