KLASIFIKASI PRESTASI BELAJAR MATEMATIKA SISWA MENGGUNAKAN REGRESI LOGISTIK ORDINAL PADA DATA OUTPUT BLOOM'S TAXONOMY-BASED SERIOUS GAME

Sabrina, Darin (2020) KLASIFIKASI PRESTASI BELAJAR MATEMATIKA SISWA MENGGUNAKAN REGRESI LOGISTIK ORDINAL PADA DATA OUTPUT BLOOM'S TAXONOMY-BASED SERIOUS GAME. Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
1613011096-COVER.pdf
Download (639kB)
[img] Text (ABSTRAK)
1613011096-ABSTRAK.pdf
Download (327kB)
[img] Text (BAB 1 PENDAHULUAN)
1613011096-BAB 1 PENDAHULUAN.pdf
Download (356kB)
[img] Text (BAB 2 KAJIAN TEORI)
1613011096-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (616kB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
1613011096-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (549kB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
1613011096-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (903kB) | Request a copy
[img] Text (BAB 5 PENUTUP)
1613011096-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (268kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
1613011096-DAFTAR PUSTAKA.pdf
Download (305kB)
[img] Text (LAMPIRAN)
1613011096-LAMPIRAN.pdf
Download (548kB)

Abstract

Klasifikasi profil siswa dibutuhkan agar pembelajaran lebih terarah dalam mencapai tujuan pembelajaran. Profil siswa yang berkaitan dengan kemampuan kognitif siswa umumnya dilihat dari prestasi belajar siswa. Salah satu cara mendiagnosa profil siswa ialah melalui tes atau instrumen penilaian. Terdapat alternatif penilaian yang dapat memberikan hasil penilaian bersifat objektif yang dapat digunakan untuk mendiagnosa profil siswa adalah Bloom’s Taxonomy-Based Serious Game (BoTySeGa). BoTySeGa mampu memperoleh tiga atribut rekaman data pemain untuk dijadikan bahan mengklasifikasikan profil siswa, yaitu: 1) skor, 2) waktu untuk menyelesaikan tantangan, dan 3) frekuensi mengakses bantuan. Ketiga atribut tersebut diklasifikasikan ke kelas prestasi belajar siswa yang terdiri dari tiga kategori yaitu kategori kurang, cukup dan baik. Klasifikasi dilakukan menggunakan metode regresi logistik ordinal yang hasilnya disebut prediksi klasifikasi dan selanjutnya dibandingkan dengan nilai aktual klasifikasi yang diperoleh dari tes prestasi belajar matematika siswa. Tingkat akurasi klasifikasi antara hasil prediksi klasifikasi dengan hasil aktual klasifikasi diperoleh sebesar 55% dengan kategori sedang.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: BoTySeGa, Klasifikasi Prestasi Belajar, Regresi Logistik Ordinal
Subjects: L Education > L Education (General)
Q Science > Q Science (General)
Q Science > QA Mathematics
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Jurusan Matematika > Program Studi Pendidikan Matematika (S1)
Depositing User: DARIN SABRINA
Date Deposited: 27 Oct 2020 05:12
Last Modified: 27 Oct 2020 05:12
URI: http://repo.undiksha.ac.id/id/eprint/4509

Actions (login required)

View Item View Item