CRITICAL JOURNALREVIEW

ANALISIS REGRESI DAN VARIANS

Dosen Pengampu:
Chairunisah, S.Si., M.Si.
Disusun Oleh :
Nadila Mutiara

( 4191111015)

PSPM A 2019

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI MEDAN
2020
 KATA PENGANTAR

Puji syukur kepada Allah SWT. atas rahmat dan karunia-Nya sehingga penulis dapat
menyelesaikan penyusunan Critical Journal Review untuk memenuhi tugas mata kuliah
Analisis Regresi dan Varians.

Penulis mengucapkan terima kasih kepada Ibu Chairunisah, S.Si., M.Si. selaku dosen
pengampu mata kuliah Analisis Regresi dan Varians, atas arahan, bimbingan dan
kesempatannya sehingga penulis mampu menyelesaikan tugas ini tepat pada waktunya.

Tugas Critical Journal Review ini dibuat dan disusun dengan harapan dapat
menambah pengetahuan dan wawasan kita sebagai calon guru khususnya dalam hal
kependidikan. Penulis menyadari bahwasanya tugas Critical Journal ini masih jauh dari
kesempurnaan. Untuk itu apabila dalam tugas ini terdapat banayak kekurangan dan
kesalahan, penulis mohon maaf karena sesungguhnya pengetahuan dan pemahaman penulis
masih terbatas. Penulis juga menantikan saran dan kritik dari pembaca dan Dosen
pembimbing mata kuliah perkembangan peserta didik , guna menyempurnakan tugas kami
ini. Penulis harap tugas Critical Journal Review ini dapat bermanfaat bagi kita semua.

Sabtu, 8 Oktober 2022

Penulis
 REVIEW JURNAL
Judul Regression Models of Predicting Student Academic Performance in an
Engineering Dynamics Course
Jurnal American Society for Engineering Education

Download Utah State University

Volume dan -
Halaman
Tahun 2010

Penulis Shaobo Huang dan Ning Fang

Reviewer Nadila Mutiara

Tanggal 8 Oktober 2022

Tujuan Penelitian Untuk prediksi kinerja akademik siswa membantu instruktur

mengembangkan pemahaman yang baik tentang seberapa baik atau
seberapa buruk kinerja siswa di kelas mereka.

Subjek Penelitian Mahasiswa

Assesment Data
Latar Belakang dan Teoti
Adapun assesment data dari penelitian ini dengan cara menguji
berdasarkan total 2.151 titik data yang dikumpulkan dari 239
mahasiswa sarjana dalam tiga semester, satu set model regresi
linier multivariat baru dikembangkan dalam penelitian ini untuk
memprediksi kinerja akademik mahasiswa di Dinamika Teknik
pendaftaran tinggi, berdampak tinggi, dan mata kuliah teknik
inti yang harus diambil oleh hampir setiap mahasiswa teknik
mesin atau sipil.
Hampir setiap mahasiswa teknik mesin atau sipil diharuskan
mengikuti kursus Dinamika Rekayasa kursus teknik tingkat tinggi,
berdampak tinggi, dan teknik inti . Kursus ini merupakan dasar
 penting dan blok bangunan fundamental untuk studi lanjutan di
banyak kursus berikutnya, seperti getaran, mekanika struktural,
dinamika dan kontrol sistem, dan desain mesin dan struktural. Namun,
banyak siswa yang gagal dalam mata kuliah ini karena mencakup
spektrum yang luas dari konsep dan prinsip dasar teknik, misalnya,
gerak, gaya dan percepatan, usaha dan energi, impuls dan momentum,
dan getaran partikel dan benda tegar.

Metode Penelitian Metode yang digunakan di dalam penelitian ini yaitu Sebanyak
239 mahasiswa sarjana dalam tiga semester dilibatkan dalam
penelitian ini untuk mengembangkan dan memvalidasi model
berbasis regresi prediktif.

Langkah Penelitian Langkah 1: Mengumpulkan data tentang kinerja akademik siswa di

Semester A, B, dan C. Analisis deskriptif dilakukan untuk
mengembangkan pemahaman mendasar dari data tangan pertama yang
dikumpulkan.

Langkah 2: Pisahkan secara acak kumpulan data lengkap yang

dikumpulkan pada Semester A menjadi kumpulan data pelatihan dan
kumpulan data pengujian. Pertama, nilai ujian akhir siswa
(maksimum: 100) dibagi menjadi beberapa tingkatan: 100-90, 89-80,
79-70, 69-60, dan di bawah 59. Kemudian, dataset pelatihan dipilih
secara acak dari 50% dari data di setiap tingkat untuk memastikan
dataset pelatihan adalah representasi yang baik dari semua kinerja
siswa di kelas. Sisa 50% dari data pada setiap level digunakan sebagai
dataset pengujian. Dalam makalah ini, istilah "pelatihan" dan
"pengujian" dipinjam dari istilah yang biasanya digunakan dalam
teknik pemodelan jaringan saraf. Dataset “Pelatihan” adalah sampel
yang digunakan untuk mengembangkan model regresi. Dataset
“pengujian” adalah sampel yang digunakan untuk menguji keakuratan
model regresi yang dikembangkan.

Langkah 3: Menggunakan dataset pelatihan untuk mengembangkan

model regresi linier multivariat, berdasarkan kombinasi variabel
 prediktor yang berbeda:

Teknik Pengumpulan Data Data prestasi akademik mahasiswa dikumpulkan dari total 239
mahasiswa program sarjana Perempuan Jumlah (n = 239) 119 (49,8%)
74 (31,0%) 46 (19,2%) 204 (85,4%) 35 (14,6%) dalam tiga semester:
128 mahasiswa pada Semester A, 58 mahasiswa pada Semester B, dan
53 mahasiswa pada Semester C.

Analisa Temuan penelitian dari penelitian ini menyiratkan bahwa jika seorang
Pembahasan/Penyelesaian instruktur ingin memprediksi kinerja akademik "rata-rata" dari semua

Masalah siswa di kelas Dynamics-nya, instruktur dapat memilih salah satu dari
empat model prediksi (#1, #2, #3, atau #4) untuk digunakan.
Keakuratan prediksi rata-rata dari modelmodel ini hanya sedikit
berbeda. Untuk aplikasi ini, Model #1 yang hanya memperhitungkan
pencapaian awal siswa sebelum siswa mengambil mata kuliah
Dinamika adalah model yang paling berguna karena dapat digunakan
bahkan sebelum semester dimulai dan dengan demikian instruktur
memiliki waktu yang cukup untuk mempertimbangkan apa tindakan
proaktif yang akan dia gunakan di semester baru.

Kekuatan Penelitian Kekuatan pada penelitian ini :

Sesudah saya membaca jurnal ini, menurut saya kekuatan dari

jurnal penelitian ini adalah terdapat pada metode penelitian dan
hasil penelitian ini menggunakan bahasa yang luas , lumayan di
mengerti oleh khalayak umum dan memiliki banyak referensi
sehingga isinya jelas dan mudah di pahami.

Kelemahan Penelitian Selain menemukan kekuatan dalam jurnal ini, saya juga
mendapatkan beberapa kelemahan dalam jurnal ini pada
sebagian isi kalimat tersebut kurang jelas dan kurang familiar
jika didengar oleh orang Indonesia , sehingga ada yang tidak di
mengerti.

Kesimpulan Prediksi kinerja akademik siswa membantu instruktur

mengembangkan pemahaman yang baik tentang seberapa baik
 atau seberapa buruk kinerja siswa di kelas mereka, sehingga
instruktur dapat mengambil tindakan proaktif untuk
meningkatkan pembelajaran siswa. Penelitian ini telah
menjawab tiga pertanyaan penelitian melalui pemodelan dan
analisis kuantitatif.
Saran Sebaiknya untuk seorang guru kita harus terus mengembangkan
bahan ajar kita dalam bidang matematika agar murid tisak
merasa bosan dan lebih menarik belajar matematikan dan untuk
siswa bahan ajar apapun yang dikasih oleh guru haruslah tetap
belajar dengan sungguh – sungguh.

Refrensi Huang, Shaobo dan Ning Fang. 2010. Regression Models of

Predicting Student Academic Performance in an Engineering
Dynamics Course. Jurnal Teknik.