Main Article Content

Abstract

Penentuan tingkat kemampuan belajar mahasiswa berbasarkan hasil evaluasi proses pembelajaran merupakan tahapan paling penting dalam mengenal karakteristik daya serap masing-masing mahasiswa. Nampak didalam penerimaan respon proses belajar dari dosenpun terdapat respon lambat maupun yang cepat, sehingga perlu adanya tindakan berbeda dari dosen mengenai hal tersebut. Penelitian dilakukan di kelas C dan E Tahun Akademik 2017/2018 dengan mata kuliah matematika dan aljabar linear & Matrik. Jenis Penelitian Kuantitatif dengan menggunakan teknik pengumpulan data seperti wawancara, obserasi, studi pustaka dan dokumentasi. Data yang diambil dilakukan uji normalitas dan homogenitas. Hasil Penelitian Fuzzy Sugena sangat cocok untuk klasifikasi ini dibandingkan dengan fuzzy mamdani walaupun dengan fuzzy mamdani diperoleh tingkat error yang lebih kecil yakni 0,87. Dapat dikelompokan mahasiswa kategori amat baik sejumlah 9 mahasiswa dan kategori baik sejumlah 21 mahasiswa dari total 30 mahasiswa atau dapat dipersentasekan amat baik (30%), dan baik (70%). Setelah tenaga pengajar mampu mengklasifikasikan mahasiswa berdasarkan kriteria maka dari hal tersebut menyebabkan tenaga pengajar mampu memberikan umpan balik terhadap seluruh mahasiswa di kelasnya dengan cara berbeda Tenaga pengajar mampu menyusun strategi didalam pembelajarannya sehingga apa yang diinginkan dengan mahasiswa yang memiliki kriteria berbeda tersebut dapat mendapatkan perlakuan yang sesuai.

Keywords

Anfis Penilaian hasil belajar

Article Details

References

  1. Wen Cheng Liu, Wei -Bo-Chen. (2012). "Prediction of Water Temperatur in Subtropical, Subalphine Lake Using an Artifiacial Neural Network and Three Dimensional Circulation Models",Computer and Geoscience .
  2. Zadeh.L.A. (1972), A Fuzzy set Theoretic Interpretation of Linguistik Hedges, Journal of Cybernetics,2,4-42
  3. Kusumadewi,S.,Purnaomo,H, (2009). Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Penerbit Andi
  4. Kusrini dan Emha Taufik Luthfi . (2009).Algoritma Data Mining, Yogyakarta: Penerbit Andi.
  5. Suhartono. (2008). Feedforward Neural Network untuk pemodelan runtun waktu. Yogyakarta: Gajah Mada University Indonesia
  6. Jang.J.: (1993). Adaptive Neuro Fuzzy Inference(ANFIS) : Adaptive Network Based Fuzzy Inference System, IEEE Trans System,Man and Cybernetics 23(3),665-684
  7. Jang.J.S.R.,Sun,C.T.,Mizutani,E. (1997). Neuro Fuzzy and Soft Computing : A Computational Approach To Learning And Machine Intelligence.Prentice Hall International.Inc.,New Jersey.
  8. Hindayati Mustafidah dan Dwi Aryanto. (2012). Sistem Inferensi Fuzzy untuk Memprediksi Prestasi Belajar Mahasiswa Berdasarkan Nilai Ujian Nasional, Tes Potensi Akademik, dan Motivasi Belajar. JUITA ISSN: 2086-9398 Vol. II Nomor 1, Mei 2012
  9. Feddy Setio Pribadi. (2009). “Pengklasifikasian siswa berdasarkan prestasi Belajar dengan menggunakan logika Fuzzy clustering” Jurnal Lembaran Ilmu Kependidikan Jilid 39, no. 2, Desember 2009
  10. Agung Budi Purnomo, Daryanto, Henny Wahyu. (2015). Penelitian Di SMP Negeri 1 Glenmore menempatkan kelas sesuai dengan prestasi siswa yang dimiliki. Jurusan Teknik Informatika Fakultas Teknik, Universitas Muhammadiyah Jember