CRITICAL JOURNAL REVIEW

DOSEN PENGAMPU : Chairunisah,S.Si.,M.Si

DISUSUN OLEH:

KELOMPOK 4

Azi Yustriawan - 4203200032

Fitri Khoiri - 4201230003
Melyana Harahap - 4201230008
Suci Hartati - 4203230021

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.

Medan, 5 Oktober 2022

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

A. Manfaat Critical Jurnal Review

Critical Jurnal Review ini memiliki beberapa manfaat seperti yang utama yaitu untuk
memenuhi tugas mata kuliah kurikulum dan pembelajaran. Manfaat lainnya adalah untuk
mengetahui lebih dalam dan lebih rinci mengenai jurnal yang di review. Selain mengetahui isi
jurnal lebih dalam manfaat lainnya adalah kita mendapat informasi, menambah pengetahuan
dan menambah ilmu dari isi jurnal tersebut. Kita juga dapat mengetahui perbandingkan apa
saja yang terdapat dalam isi kedua jurnal tersebut. Bagi penulis sendiri manfaatnya adalah
mengasah pikiran agar dapat berfikir kritis dalam menangapi isi dari kedua jurnal tersebut.
Melatih diri agar mampu mengkritik, memberi saran dan memberi kesimpulan dari isi kedua
jurnal tersebut.

B. Tujuan Penulisan Critical Jurnal Review

Tujuan Critical Jurnal Review adalah untuk mengulas isi jurnal tepatnya mengulas kedua isi
jurnal tersebut. Selain mengulas isi jurnal tujuan lainnya adalah mengetahui informasi apa saja
yang terdapat dalam kedua jurnal tersebut. Tujuan Critical Jurnal Review ini juga melatih diri
agar bisa berfikir kritis dalam mencari informasi yang diberikan oleh kedua jurnal tersebut.
Tujuan lainnya adalah untuk membandingkan isi dari kedua jurnal tersebut.

C. Manfaat Critical Journal Review

1. Dapat meningkatkan analisis kita terhadap suatu jurnal

2. Kita dapat mengetahui Teknik-teknik dalam membuat jurnal yang benar
3. Menambah Pengetahuan tentang isi dari jurnal penelitian

4
 BAB II

IDENTITAS JURNAL

Judul Jurnal : American Society for Engineering Education,

Judul Artikel : Regression Models of Predicting Student Academic Performance in

an Engineering Dynamics Course

Tahun Terbit : 2010

Penulis : Shaobo Huang, Ning Fang

Vol :-

Hal : 1-17

5
 BAB III

RANGKUMAN

Latar belakang: untuk memprediksi prestasi akademik mahasiswa

Masalah: banyak mahasiswa yang gagal dalam mata kuliah dinamika teknik 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
Tujuan : Tujuan dari penelitian ini adalah untuk mengembangkan satu set model regresi linier
multivariat yang divalidasi untuk memprediksi kinerja akademik siswa dalam kursus Dinamika
Teknik.
Metode yang digunakan: menggunakan midel berbasis regresi prediktif, dengan langkah-
langkah sebagai berikut:
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
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
Hasil Penelitian
Model Regresi untuk Memprediksi Kinerja Akademik Siswa Teknik

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

HASIL DAN PEMBAHASAN

DATA YANG DIGUNAKAN
Data yang digunakan dalam penelitian ini menurut kami sudah sesuai karena penulis
menggunakan tes untuk mengukur pemahaman mahasiswa dimana ini adalah tujuan dari
penelitian tersebut.
METODE YANG DIGUNAKAN
menggunakan midel berbasis regresi prediktif, dengan langkah-langkah sebagai berikut:
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.

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