DISUSUN OLEH:
KELOMPOK 4
PSM 2020 B
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI MEDAN
2022
1
KATA PENGANTAR
Puji syukur kami panjatkan bagi Tuhan yang Maha Esa atas berkat dan karunia-Nya, sehingga
penulisan makalah ini dapat terselesaikan. Adapun Critical Journal Review ini mengenai
materi “ Regression Models of Predicting Student Academic Performance in an Engineering
Dynamics Course ”.
Critical Journal Review ini kami susun dengan maksud sebagai tugas mata kuliah Analisis
Regresi dan Korelasi. Harapan kami,semoga setelah menyelesaikan tugas ini kami semakin
memahami materi ini semakin dalam.
kami sangat berterima kasih kepada semua pihak yang membantu kami dalam menyelesaikan
tugas kami, terutama pada dosen pengampu mata kuliah ini dan kawan-kawan kami sesama
mahasiswa.
kami menyadari bahwa dalam penyusunan Critical Journal Review ini masih sangat jauh dari
kesempurnaan, oleh karena itu kami sangat mengharapkan kritik dan saran serta bimbingan
dari para pembaca demi penyempurnaan di masa yang akan datang , semoga karya tulis Critical
Journal Review ini bermanfaat bagi semua.
KELOMPOK IV
2
DAFTAR ISI
KATA PENGANTAR .............................................................................................................. 2
BAB I ......................................................................................................................................... 4
PENDAHULUAN .................................................................................................................... 4
A. Manfaat Critical Jurnal Review .................................................................................... 4
B. Tujuan Penulisan Critical Jurnal Review ..................................................................... 4
C. Manfaat Critical Journal Review .................................................................................. 4
BAB II ....................................................................................................................................... 5
IDENTITAS JURNAL ............................................................................................................ 5
BAB III...................................................................................................................................... 6
RANGKUMAN ........................................................................................................................ 6
BAB IV ...................................................................................................................................... 8
HASIL REVIEW ..................................................................................................................... 8
PENDAHULUAN ................................................................................................................. 8
HASIL DAN PEMBAHASAN ............................................................................................ 8
DAFTAR PUSTAKA ............................................................................................................. 10
3
BAB I
PENDAHULUAN
4
BAB II
IDENTITAS JURNAL
Vol :-
Hal : 1-17
5
BAB III
RANGKUMAN
6
regresi linier multivariat digunakan untuk mengembangkan empat model prediktif berdasarkan
dataset pelatihan yang dikumpulkan pada Semester A. Rumus matematika masing-masing
model prediksi dinyatakan sebagai:
Model #1:
Y1 = 0 ,131+ 0, 756X1 – 0, 100X2 – 0, 128X3 – 0, 011X4 + 0,152 X5
Model #2:
Y2 = 0,031+ 0, 621X1 – 0, 147X2 – 0, 093X3 – 0, 041X4 + .0 148X5 + 0,323X6
Model #3:
Y3 = -0.002 +0.607X1 - 0.153X2 - 0.091X3 – 0,041X4 + 0,148X5 + 0,307X6 + 0,078X7
Model #4:
Y4 = -0,309 + 0.556X1 – 0.194X2 +0,002X3 – 0,028X4 + 0,102X5 + 0,251X6 – 0,070X7 +
0,591X8.
Temuan penelitian dari penelitian ini menyiratkan bahwa jika seorang instruktur ingin
memprediksi kinerja akademik "rata-rata" dari semua 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 model-model ini hanya sedikit berbeda. Untuk aplikasi ini,
Model #1 & yang hanya memperhitungkan prestasi siswa sebelum mengambil mata kuliah
Dinamika & merupakan model yang paling berguna karena dapat digunakan bahkan sebelum
satu semester dimulai dan dengan demikian instruktur memiliki waktu yang cukup untuk
mempertimbangkan apa tindakan proaktif yang akan dia gunakan di semester baru.
Pembahasan
Jika seorang instruktur ingin menghasilkan sejumlah besar prediksi yang baik, sehingga dia
dapat fokus pada masing-masing siswa, terutama siswa yang "berisiko secara akademis",
Model #1 tidak boleh digunakan karena persentase terendah dari prediksi yang baik. Model #2
atau Model #3 dapat digunakan setelah ujian tengah semester pertama atau kedua karena kedua
model memiliki kemampuan prediksi yang moderat untuk menghasilkan prediksi yang baik.
Maka Model #4 adalah yang terbaik secara matematis di antara empat model, namun model ini
hanya dapat digunakan setelah ujian ketiga ketika semester hampir berakhir dan intervensi
untuk siswa berisiko sulit dilakukan. Dalam hal ini, penerapan utama Model #4 mungkin adalah
“interpretasi” daripada “prediksi”, yang berarti Model #4 dapat digunakan untuk
“menjelaskan” bagaimana masing-masing dari delapan variabel prediktor mempengaruhi nilai
ujian akhir siswa.Untuk meningkatkan persentase prediksi yang baik, faktor non-kognitif siswa
(seperti gaya belajar, efikasi diri, motivasi dan minat, dan banyak lainnya 14 ), efektivitas dan
persiapan mengajar instruktur 15 , serta lingkungan belajar mengajar 16 pada kinerja akademik
siswa akan dimasukkan dalam pekerjaan pemodelan masa depan. Selain itu, model yang
dikembangkan dalam penelitian ini didasarkan pada data yang dikumpulkan dalam kursus
Dinamika yang diajarkan secara konsisten oleh instruktur yang sama (penulis kedua makalah
ini) dengan kriteria penilaian ujian yang sama. Oleh karena itu, pengaruh variabilitas guru tidak
dipertimbangkan dalam model. Dapat diharapkan bahwa sejumlah besar pekerjaan di masa
depan diperlukan untuk mempertimbangkan semua faktor non-kognitif dan variabilitas guru
yang dinyatakan karena kompleksitas pembelajaran siswa yang ekstrem.
7
BAB IV
HASIL REVIEW
PENDAHULUAN
Latar Belakang dan Masalah
Menurut kami isi dari pendahuluan jurnal ini sudah cukup baik dan cukup informatif karena
relevan dengan judul penelitian, permasalahannya juga sangat menarik pada jurnal ini
pendahuluan yang diambil berdasarkan penelitian secara langsung. Latar belakang
permasalahan ini Juga merupakan masalah yang berkaitan dalam kehidupan sehari-hari
sehingga jurnal ini dapat digunakan sebagai referensi dalam memecahkan masalah yang
hamper sama.
METODE PENELITIAN
Menurut kami metode penelitian dari jurnal yang digunakan sudah cukup tepat digunakan
sesuai dengan tujuannya. Metode yang digunakan dari jurnal ini juga sudah cukup rinci, jurnal
ini menggunakan analisis-analisis penelitian yang sangat rinci untuk menjawab permasalahan
KELEBIHAN METODE
Menurut kami Kelebihan dari metode yang digunakan pada jurnal ini adalah akurat dan rinci,
sehingga menjawab tujuan penelitian
8
Langkah 3: Menggunakan dataset pelatihan untuk mengembangkan model regresi linier
multivariat, berdasarkan kombinasi variabel prediktor yang berbeda
Langkah 4: Uji setiap model regresi yang dikembangkan pada Langkah 3 menggunakan
kumpulan data pengujian yang sesuai. Beberapa kriteria termasuk R-kuadrat, penyusutan, dan
akurasi prediksi digunakan untuk menguji setiap model. Karena dataset pelatihan dan
pengujian berasal dari Semester A yang sama, Langkah 4 juga disebut " validasi internal " dari
model regresi.
Langkah 5: Menerapkan model regresi yang dikembangkan di Semester A ke kumpulan data
lengkap yang dikumpulkan di Semester B dan C dan menentukan akurasi prediksi masing-
masing model. Karena model diterapkan pada siswa di semester yang berbeda, Langkah 5 juga
disebut “ validasi eksternal ” dari model regresi
PEMBAHASAN
Pada ringkasan hasil penelitian, dapat dilihat bahwa permasalahan dengan hasil penelitiannya
sudah sesuai. Karena permasalahan pada penelitian ini adalah untuk memprediksi prestasi
akademik mahasiswa. Sehingga permasalahan tersebut telah terjawab pada hasil kesimpulan
yang dapat dilihat pada bagian ringkasan bab kesimpulan.
9
DAFTAR PUSTAKA
Huang, S., & Fang, N. (2017). REGRESSION MODELS FOR PREDICTING STUDENT
ACADEMIC PERFORMANCE IN AN ENGINEERING DYNAMICS COURSE.
American Society for Engineering Education, 1-17.
10