📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 2 dokumenANALISIS KORESPONDENSI BERGANDA DALAM MENGEVALUASI KETERCAPAIAN PEMBELAJARAN MATEMATIKA
Capaian literasi matematika siswa Indonesia masih jauh di bawah rata-rata internasional sehingga diperlukan pendekatan evaluasi yang mampu mengkaji struktur hubungan antarvariabel penilaian secara multidimensi. Penelitian ini menerapkan Analisis Komponen Utama (AKU), Analisis Korespondensi (AK), dan Analisis Korespondensi Berganda (AKB) pada data ketercapaian pembelajaran matematika dari 157 SMA di Provinsi Jawa Barat. Data tersebut mencakup tiga dimensi penilaian, yaitu proses kognitif, tingkat kesulitan soal, dan konten materi. Hasil AKU menunjukkan bahwa Komponen Utama Pertama (KU1) mampu menjelaskan lebih dari 83% variansi pada tiga dimensi penilaian sehingga dapat diinterpretasikan sebagai ukuran capaian keseluruhan tiap sekolah. Hasil AK mengungkap bahwa penalaran dan pemecahan masalah berkorelasi positif, tetapi berlawanan dengan konsep. Sementara itu, soal bertipe mudah dan sukar berkorelasi negatif dan membentuk dua kutub yang berlawanan. Adapun geometri dan trigonometri berasosiasi searah, tetapi berlawanan dengan data, peluang, dan statistika. Hasil AKB dengan inersia terkoreksi kumulatif sebesar 87,6% menunjukkan bahwa soal bertipe sukar cenderung menuntut penalaran dan pemecahan masalah. Sementara itu, soal matematika lanjutan dan trigonometri cenderung bersifat lebih prosedural. Di sisi lain, soal aljabar berasosiasi dengan pemahaman konsep dasar. Selain itu, status sekolah negeri dan swasta tidak menunjukkan perbedaan profil yang ekstrem. Tiga metode tersebut secara bersamasama memberikan gambaran komprehensif mengenai ketercapaian pembelajaran matematika sebagai dasar perancangan strategi peningkatan yang lebih tepat sasaran.
PEMANFAATAN GENERATIVE ARTIFICIAL INTELLIGENCE SEBAGAI ASISTEN PEMBELAJARAN ARITMETIKA: STRATEGI PEMBERIAN PETUNJUK BERTAHAP SECARA INTERAKTIF
Penelitian pada Tugas Akhir ini membahas pemanfaatan generative artificial intelligence untuk pembuatan chatbot AI sebagai asisten pembelajaran matematika. Pengujian chatbot tersebut pada Tugas Akhir ini dibatasi pada materi aritmetika. Kehadiran generative artificial intelligence menjadi suatu tantangan tersendiri dalam bidang pendidikan saat ini. Pada bagian latar belakang dijelaskan bahwa chatbot AI sebagai asisten pembelajaran matematika sebaiknya dapat memberikan petunjuk bertahap secara interaktif. Penelitian pada Tugas Akhir ini menggunakan metode prompt engineering, fine-tuning, dan Retrieval Augmented Generation (RAG) pada model bahasa GPT-3.5 untuk pembuatan chatbot AI sebagai asisten pembelajaran matematika. Metode prompt engineering yang dilakukan pada penelitian ini menunjukkan bahwa pemberian konteks pertanyaan utama dan solusi bertahap pada model GPT-3.5 dapat meningkatkan kualitas respons chatbot secara signifikan. Pada Tugas Akhir ini, ditunjukkan bahwa akurasi model GPT-3.5 pada dataset MultiArith adalah 96,03%. Dengan metode fine-tuning, akurasi model fine-tuned GPT-3.5 pada dataset MultiArith adalah 99,48%. Selain itu, solusi bertahap yang dihasilkan oleh model fine-tuned GPT-3.5 lebih terstruktur daripada model dasarnya. Pada Tugas Akhir ini, juga dijelaskan pemanfaatan metode RAG untuk pengambilan solusi bertahap dari dokumen yang telah dipersiapkan. Dengan penulisan Tugas Akhir ini, penulis berharap penelitian ini dapat membantu guru dalam membuat chatbot AI sebagai asisten pembelajaran matematika.