Optimalisasi Pembagian Kelas Perkuliahan Dengan Menggunakan Psikometer Learning Style Inventory Secara Online

Article Sidebar

PDF
Published Sep 30, 2016

Main Article Content

Ivy Lazuli

Abstract


Gaya belajar siswa atau student learning style dapat diartikan sebagai karakteristik kognitif, afektif, dan perilaku psikologis seorang siswa tentang bagaimana dia memahami sesuatu, berinteraksi dan merespons lingkungan belajarnya, yang bersifat  unik dan relatif stabil. Saat ini sering terjadi penempatan kelas pada seorang mahasiswa tidak terkelola dengan benar maka  mahasiswa tersebut tidak akan memperoleh prestasi belajar yang maksimal. Hal tersebut disebabkan pembagian kelas perkuliahan untuk mahasiswa yang tidak merujuk ke suatu referensi metodologi yang jelas, sehingga akan mengakibatkan kecenderungan prestasi mahasiswa menurun selama masa perkuliahan. Hal ini juga akan berdampak pada sulitnya dosen untuk mengendalikan mahasiwa dalam proses belajar mengajar di dalam kelas. Untuk mengatasi masalah tersebut penulis mencoba mengangkat sebuah penelitian tentang Sistem pendukung keputusan untuk menentukan  penempatan kelas mahasiswa sesuai dengan hasil psikometer  sehingga prestasi mahasiswa menjadi meningkat dan mutu pendidikan di perguruan tinggi menjadi lebih baik. Psikometer ini terdiri dari 12 pertanyaan dan diisi oleh setiap mahasiswa dalam satu kelas secara online sehingga akan langsung mendapatkan  klasifikasi gaya belajar antara lain  Diverger. Assimilator, Converger, Accomodator,. Gaya belajar yang ada diteliti adalah Concrete Experience, Abstract Conceptualization, Reflective Observation, Active Experimentation.



 

Downloads

Download data is not yet available.

Article Details

How to Cite
Lazuli, I. (2016). Optimalisasi Pembagian Kelas Perkuliahan Dengan Menggunakan Psikometer Learning Style Inventory Secara Online. Jurnal Eksplora Informatika, 5(2), 105-117. Retrieved from https://eksplora.stikom-bali.ac.id/index.php/eksplora/article/view/81
Issue
Vol 5 No 2 (2016): Jurnal Eksplora Informatika
Section
Articles
Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Jurnal Eksplora Informatika bersifat open access, yaitu dapat diakses secara umum tanpa dikenakan biaya. Penulis yang menerbitkan artikelnya di Jurnal Eksplora Informatika setuju dengan ketentuan berikut:

  • Penulis memegang hak cipta dan memberikan hak publikasi pertama kepada Jurnal Eksplora Informatika menggunakan lisensi Creative Commons Attribution-ShareAlike 4.0.
  • Penulis diizinkan untuk mengarsipkan/menggunggah/meyimpan artikel mereka, misalnya dalam repositori institusional atau situs web/blog penulis, namun diharapkan agar memberikan rincian bibliografi yang menghargai publikasi di jurnal ini.
  • Jurnal Eksplora Informatika berhak untuk menyediakan artikel dalam berbagai bentuk dan media, sehingga artikel dapat digunakan untuk teknologi terbaru bahkan setelah dipublikasikan.
  • Jurnal Eksplora Informatika berhak untuk menegakkan hak-hak atas nama penulis pada artikel terhadap pihak ketiga. Misalnya dalam kasus plagiarisme atau pelanggaran hak cipta.

References

Richmond Aaron.S., & Cummings,R.,” Implementing Kolb’s Learning Styles into Online Distance Education”, International Journal of technology in Teaching and Learning,l(1),45-54,2005.

Tanta, “Pengaruh Gaya Belajar Terhadap Hasil Belajar Mahasiswa Pada Mata Kuliah Biologi Umum Program Studi Pendidikan Biologi Universitas Cenderawasih”, volume 1, nomor 1, September 2010.

Retno Wulandari, ”Hubungan Gaya Belajar Dengan Prestasi Belajar Mahasiswa Semester IV Program Study D IV Kebidanan Universitas Sebelas Maret”, Jurnal KesMaDaSka,vol 2 No. 1,Januari 2011 (45-52)

Prasasti Dwi Sawitri, 2009, Pengaruh Faktor Preferensi Gaya Belajar Terhadap Prestasi Belajar Mahasiswa Akutansi. Jurnal Ekonomi Bisnis, No. 3.

Halim Abdul, 2012, Pengaruh Strategi Pembelajaran Dan Gaya Belajar Fisika Siswa SMP 2 Secanggang Kabupaten Langkat. Jurnal Tabularas PPS Unimed, Vol.9 No.2.

Devi et all. 2012 ANN Approach for Weather Prediction using Back Propagation International Journal of Engineering Trends and Technology- Volume3 Issue1 Department Of Computer Science and Engineering, KLCE, Vaddeswaram, Guntur Dt.-522502, Andhra Pradesh, India.

Ghosh,S, Koley,S, 2010, Machine Learning for Soil Fertility and Plant Nutrient Management using Back Propagation Neural Networks, International Journal on Recent and Innovation Trends in Computing and Communication ISSN: 2321-8169 Volume: 2 Issue: 2 292 – 297.

Gunawan et all. 2009 Penerapan Algoritma Backpropagation Untuk Klasifikasi Musik Dengan Solo Instrumen Aplikasi Teknologi Informasi (SNATI 2009) ISSN:1907-5022 Yogyakarta.

Gupta A, Shreevastava M, 2011, Medical Diagnosis using Back propagation Algorithm MTech Scholar, Lakshmi Narain College of Technology International Journal of Emerging Technology and Advanced Engineering Website: www.ijetae.com ISSN 2250-2459, India.

Hidayat.M,2013, Analisis Prediksi Do Mahasiswa Dalam Educational Data Mining Menggunakan Jaringan Syaraf Tiruan, Teknik Informatika-ITS Jurnal IPTEK Vol 17 No.2 Surabaya.

Khan A.U, Bandopadhyaya,Sharma.S 2011, Stocks selected using SOM and Genetic Algorithm based Backpropagation Neural Network gives better returns. IJCSI International Journal of Computer Science Issues, Vol. 8, Issue 2, ISSN (Online): 1694-0814.

Kosbatwar S.P. Pathan S.K. Pattern, 2012, Association for character recognition by Back-Propagation algorithm using Neural Network approach International Journal of Computer Science & Engineering Survey (IJCSES) Vol.3,

M.F. Andrijasa dan Mistianingsih,2010, Penerapan Jaringan Syaraf Tiruan Untuk Memprediksi Jumlah Pengangguran di Provinsi Kalimantan Timur Dengan Menggunakan Algoritma Pembelajaran Backpropagation jurnal informatika mulawarman Kalimantan Timur.

Maru'ao,D.O. 2010 Neural Network Implementation in Foreign Exchange Kurs Prediction. Faculty of Industrial Engineering, Gunadarma University Jakarta.

Matondang, Z.A, 2013, Jaringan Syaraf Tiruan Dengan Algoritma Backpropagation Untuk Penentuan Kelulusan Sidang Skripsi. pelita Informatika Budi Darma, Volume ISSN : 2301-9425.

Salim Lahmiri, 2011 A Comparative Study Of Backpropagation Algorithms In Financial Prediction, Department of Computer Engineering, University of Quebec at Montreal, Montreal, Canada International Journal of Computer Science, Engineering and Applications (IJCSEA) Vol.1, No.4.

Siang,J.J. 2009. Jaringan Syaraf Tiruan & Pemrogramannya Menggunakan Matlab. Penerbit ANDI. Yogyakarta.

Patty.Z, 2011,Analisis Produktivitas Dan Nilai Tambah Kelapa Rakyat (Studi Kasus Di 3 Kecamatan Di Kabupaten Halmahera Utara) Politeknik Perdamaian Jurnal Agroforestri Volume VI Nomor 2 Juni Halmahera – Tobelo.

Tarigan.H, 2010 Peningkatan nilai tambah melalui pengembangan agro industri pisang di Kabupaten Lumajang, Pusat analisa ekonomi dan kebijakan pertanian Lumajang.