Muhammad Ali Rizqan1), Muhammad Aryo Pangestu2), Praditya Eka Saputra3), Rikha Syahda
Salsabilla4) , Angger Mido Dwi Andika5) ,Saman Abdurrahman6)*
Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lambung Mangkurat
ABSTRAK
Pengukuran efektivitas metode belajar merupakan aspek penting dalam
pendidikan modern untuk memastikan pengalaman pembelajaran yang optimal
bagi siswa. Dalam penelitian ini, kami mengusulkan pendekatan baru
menggunakan teori himpunan soft yaitu incomplete N-soft sets untuk
pengambilan keputusan dalam mengukur indikator metode belajar yang efektif.
Data yang diperoleh dari survei daring di antara mahasiswa diidentifikasi dan
diolah menggunakan teknik pengambilan keputusan incomplete N-soft sets.
Metode pengambilan keputusan ini memungkinkan penilaian yang lebih holistik
dan toleran terhadap ketidakpastian dalam data, yang seringkali melekat dalam
konteks pendidikan. Hasil analisis menunjukkan bahwa pendekatan ini dapat
memberikan wawasan yang lebih baik tentang variabilitas dalam preferensi dan
hasil pembelajaran mahasiswa, serta membantu dalam mengidentifikasi indikator
metode belajar yang paling efektif dalam konteks tertentu.
Penemuan ini memiliki implikasi penting dalam pengembangan kebijakan
pendidikan dan praktik pengajaran, dengan memberikan landasan empiris untuk
peningkatan desain pembelajaran yang lebih disesuaikan dan efektif. Kesimpulan
dari penelitian ini menegaskan pentingnya menggunakan pendekatan yang
inovatif dan adaptif dalam pengukuran efektivitas metode belajar untuk memenuhi
kebutuhan beragam mahasiswa di era pendidikan digital.
2
ABSTRACT
The measurement of learning method effectiveness constitutes a crucial aspect in
contemporary education aimed at ensuring optimal learning experiences for
students. In this investigation, we propose a novel approach employing the theory
of soft sets, specifically incomplete N-soft sets, for decision-making in assessing
indicators of effective learning methodologies. Data garnered from online surveys
among students were identified and processed utilizing decision-making
techniques based on incomplete N-soft sets.
Pendahuluan
Pemisahan data menggunakan indikator kejelasan tipe data terbagi menjadi dua
yaitu data pasti dan data tidak pasti. Data pasti adalah data yang dapat dinuktikan
kebenarannya. Contohnya, data pribadi penduduk seperti nama, usia, latar
3
belakang pendidikan, dan alamat. Sedangkan, data yang tidak pasti merupakan
data yang kebenarannya masih belum teruji. Contohnya, perempuan kurus, lelaki
atletis, sementara penilaian kurus dan atletis relatif untuk setiap individu. Contoh
lain dalam pengambilan keputusan bisnis antara lain partner terpercaya, rekan
kerja penuh tanggung jawab, konsumen potensial. Meskipun data dapat bersifat
tidak tentu dalam hal nilai namun teknik dan model penyelesaian masalahnya
harus tetap runtut dan dapat dipertanggungjawabkan secara ilmiah. Diantaranya,
probabilitas, interval matematika, fuzzy sets, rough sets, vague sets, dan soft sets
serta perluasan dan kombinasi dari berbagai cabang ilmu lainnya.
Teori soft set diperkenalkan pertama kali oleh Molodtsov (1999). Selanjutnya
teori soft set terus berkembang dan mengalami berbagai perluasan pada berbagai
bidang diantaranya struktur aljabar (Mohamed, Ahmad, & Shamsuddin, 2014),
masalah pengambilan keputusan (Kong, Zhang, Wang, Wu, Qi, & Wang, 2014;
Hakim, Saari, & Herawan, 2014a- 2014b; Akram & Shahzadi, 2016; Alcantud
2016a; Atagun, Kamacı, & Oktay, 2016; Ma, Liu, & Zhan, 2016; Alcantud &
Santos-Garc´ıa, 2017; Fatimah, Rosadi, & Hakim, 2018), rules mining (Feng,
Cho, Pedrycz, Fujita, & Herawan, 2016), fuzzy soft sets dan perluasannya (Peng &
Yang, 2015a; Alcantud, 2016a-2016c), rough sets (Zhan & Zhu, 2015; Zhan, Liu,
& Zhu, 2016; Zhan, Liu, & Herawan, 2017), neutrosophic soft sets (Deli,
Eraslan, & Cagman, 2016), forecasting (Xu, Xiao, Dang, Yang, & Yang, 2014),
social choice (Fatimah, Rosadi, Hakim, & Alcantud, 2017b), dual probabilistic
soft sets (Fatimah, Rosadi, Hakim, & Alcantud, 2017a), N-Soft Sets (Fatimah,
Rosadi, Hakim, & Alcantud, 2018) dan lain-lain.
Metode
Data didapatkan melalui survei dari angkatan 2020 sampai 2023, sampel yang
diambil sebanyak 5 orang, tempat survei dilaksanakan di Universitas Lambung
Mangkurat dengan responden mahasiswa Program studi matematika. Survei
menggunakan bantuan G-form dan dilakukan selama 1 minggu. Pertanyaan
berisikan jawaban ya atau tidak, menggunakan metode Agregasi N soft set yang
tidak lengkap dengan soft set yang lengkap didapatkan kesimpulan bahwa
mahasiswa yang paling sedikit kendalanya adalah pada mahasiswa angkatan 2020.
Artinya mahasiswa dengan kualitas terbaik ada di angkatan 2020.
Berdasarkan hasil uji yang telah dilakukan pada Mahasiswa angkatan 2020-2023
Universitas Lambung Mangkurat, dengan himpunan semesta U =ai dimana i
menyatakan mahasiswa angkatan 2020, 2021, 2022, dan 2023. A={x j } dimana
j=1,2,3,4,5 dengan
x 5=Teman.
Survei dilakukan dua kali (F,A) dan (G,A) dengan menyebarkan kuisioner ke
mahasiswa angkatan 2020 sampai 2023 dengan hasil 5 suara untuk setiap
angkatan. Survei bertujuan untuk mengetaui angkatan mana yang memiliki paling
sedikit kendala. Jika ya dinyatakan 1 , tidak dinyatakan 0 dan * jika ada
pertanyaan yang tidak dijawab, menggunakan teori N-soft set, hasil yang didapat
adalah sebagai berikut
Tabel 1. Tabel untuk (F,A) dan (G,A) yang datanya tidak lengkap
(F,A) x1 x2 x3 x4 x5
2020 4 * 3 4 4
2021 5 5 0 * 4
2022 5 3 5 5 *
2023 5 1 2 4 1
(G,A) x1 x2 x3 x4 x5
2020 4 * 3 4 4
2021 4 2 3 3 4
2022 3 3 0 0 2
2023 4 4 1 1 4
(F , A , 5 ¿ x1 x2 x3 x4 x5
2020 5 1 4 5 5
2021 6 6 0 1 5
2022 6 4 6 6 1
2023 6 2 3 5 2
6
(G,A,5) x1 x2 x3 x4 x5
2020 5 1 4 5 5
2021 5 3 4 4 5
2022 4 4 0 0 3
2023 5 5 2 2 5
Pada tabel 2 gabung kedua nilai dengan mengiris tiap elemen yang bersesuaian,
hasilnya dapat dilihat pada tabel 3
Tabel 3 Tabel (F,A,5)
( F A,A,5 x1 x2 x3 x4 x5
)
2020 5 1 4 5 5
2021 5 3 0 1 5
2022 4 4 0 0 1
2023 5 2 2 2 2
sebanyak 14 poin , angkatan 2023 sebanyak 13 poin dan 2022 sebanyak 9 poin.
Kontribusi Penulis
Penulis 1 melakukan perhitungan dan merancang penelitian , penulis dua
mengumpulkan dan mengolah data , penulis ketiga dan keempat turun kelapangan
untuk melakukan survei, penulis kelima mencari dan memperbaiki penulisan,
penulis kelima memberi saran, kritik dan arahan.
Daftar Pustaka
Estaji, A.A., Eghdami, H. and Haghdadi, T., 2020. Category of soft Lie
algebra. Soft Computing, 24(5), pp.3067-3076.
Feng, F., Jun, Y.B., Liu, X. and Li, L., 2010. An adjustable approach to
fuzzy soft set based decision making. Journal of Computational and
Applied Mathematics, 234(1), pp.10-20.
Kandemir, M.B. and Yılmaz, D., 2020. A study on compact structural soft
sets and an application method. Complex & Intelligent Systems, 6,
pp.401-409.
Maji, P.K., Biswas, R. and Roy, A.R., 2003. Soft set theory. Computers &
mathematics with applications, 45(4-5), pp.555-562.
Mamat, R., Noor, A.S.M., Herawan, T. and Deris, M.M., 2017. Cluster
Validation Analysis on Attribute Relative of Soft-Set Theory.
In Recent Advances on Soft Computing and Data Mining: The
Second International Conference on Soft Computing and Data
Mining (SCDM-2016), Bandung, Indonesia, August 18-20, 2016
Proceedings Second (pp. 3-10). Springer International Publishing.
Mathew, T.J., Sherly, E. and Alcantud, J.C.R., 2018. An adaptive soft set
based diagnostic risk prediction system. In Intelligent systems
8
LAMPIRAN