Claim Missing Document
Check
Articles

Found 4 Documents
Search

Pengaruh Aplikasi AI terhadap Pola Belajar Mahasiswa Statistika Universitas Negeri Medan Finny Aprilia Yulanda; Sarah Amalia; Feyza Zaki Nandana; Feyza Zaki Nandana; Nadia Rikza Ananda; Putri Maulidina
Jurnal Inovasi, Evaluasi dan Pengembangan Pembelajaran Vol 5 No 2 (2025): Jurnal Inovasi, Evaluasi dan Pengembangan Pembelajaran (JIEPP)
Publisher : ELRISPESWIL - Lembaga Riset dan Pengembangan Sumberdaya Wilayah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54371/jiepp.v5i2.980

Abstract

Penelitian ini bertujuan untuk menganalisis hubungan antara pengaruh penggunaan aplikasi Artificial Intelligence (AI) terhadap pola belajar mahasiswa pada ruang lingkup terbatas, yaitu Program Studi Statistika Universitas Negeri Medan angkatan 2024. Pendekatan kuantitatif digunakan dengan metode survei dan analisis regresi linier sederhana. Data diperoleh dari 68 mahasiswa yang dipilih melalui teknik simple random sampling, menggunakan kuesioner yang telah diuji validitas dan reliabilitasnya (nilai Cronbach’s Alpha = 0,908). Variabel bebas dalam penelitian ini adalah pengaruh penggunaan aplikasi AI, sedangkan variabel terikat adalah pola belajar mahasiswa yang diukur melalui indikator efisiensi, kemandirian, dan keterlibatan akademik. Tahapan penelitian meliputi pengumpulan data, pengujian instrumen, uji asumsi klasik, serta analisis data regresi linier menggunakan bantuan perangkat lunak SPSS. Hasil penelitian menunjukkan adanya hubungan positif dan signifikan antara penggunaan AI dan pola belajar mahasiswa, dengan persamaan regresi Y = 1,824 + 0,820X dan nilai signifikansi 0,000. Temuan ini menunjukkan bahwa penggunaan AI dapat berkontribusi dalam meningkatkan pola belajar mahasiswa. Namun, pemanfaatannya tetap perlu diimbangi dengan penguatan kemampuan berpikir kritis dan pembelajaran mandiri agar tidak menimbulkan ketergantungan. Hasil ini relevan dalam konteks terbatas dan belum dapat digeneralisasi secara luas tanpa kajian lanjutan.
Mapping of District-Based Poverty Levels Using Spatial Analysis in Medan City Feyza Zaki Nandana; Christiani Joice Siallagan; Laura Annisa Purba; Elang Putri Sekar Arum; Brian Hardiwan Gea; Hanna Dewi Marina Hutabarat
EduMatika: Jurnal MIPA Vol. 6 No. 2 (2026): EduMatika: Jurnal MIPA
Publisher : Lembaga Riset Mutiara Akbar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56495/emju.v6i2.1596

Abstract

This study aims to map poverty levels based on sub-districts in the City of Medan using a descriptive quantitative approach and spatial analysis. The data used consists of population numbers, the number of poor people, and poverty percentages in 21 sub-districts in 2023, obtained from the Medan City BPS. Analysis was conducted through descriptive statistics, Natural Breaks (Jenks) classification, and choropleth map visualization. The results of the study show that the average poverty level in Medan City is 10.10% with a clear spatial clustering pattern. Northern areas such as Medan Belawan, Medan Labuhan, Medan Marelan, and Medan Deli have high to very high poverty levels, while central and southern areas tend to be lower. These findings indicate spatial disparities between regions and can serve as a basis for more targeted poverty alleviation policies.
ANALISIS TINGKAT PEMAHAMAN ISTILAH STATISTIK PADA MAHASISWA NON-STATISTIK DALAM MENDUKUNG LITERASI NUMERASI Iqva Junita; Aqil Afrizqal Saldi; Raihan Riyadi Siregar; Feyza Zaki Nandana; Nadicta Eunike Sitorus; Regilpa Sagala
Didaktik : Jurnal Ilmiah PGSD STKIP Subang Vol. 12 No. 02 (2026): Volume 12 No. 2, Juni 2026 Public
Publisher : STKIP Subang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36989/didaktik.v12i02.13793

Abstract

Literasi numerik telah menjadi kompetensi fundamental bagi siswa di era informasi, termasuk kemampuan untuk memahami dan menerapkan istilah statistik di berbagai konteks akademik. Namun, mahasiswa dari program non-statistik sering menghadapi kesulitan dalam memahami konsep-konsep ini. Studi ini bertujuan untuk meneliti sejauh mana mahasiswa non-statistik memahami istilah-istilah statistik yang umum digunakan. Pendekatan kuantitatif deskriptif digunakan, dengan menggunakan kuesioner yang diberikan kepada 60 mahasiswa yang mencakup delapan istilah statistik terpilih. Studi ini diharapkan dapat memberikan wawasan awal yang berguna untuk mengembangkan strategi pembelajaran statistik yang lebih kontekstual dan interdisipliner di pendidikan tinggi.
Analisis Principal Component Regression pada Kapasitas Pembangkit dan Produksi Listrik terhadap Distribusi Listrik Antarprovinsi di Indonesia Tahun 2024 Iqva Junita; Aqil Afrizqal Saldi; Nadia Rikza Ananda; Feyza Zaki Nandana
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.14187

Abstract

Distribusi listrik antarprovinsi di Indonesia memiliki perbedaan yang cukup besar, sehingga diperlukan analisis untuk melihat keterkaitannya dengan kondisi pembangkitan listrik di setiap wilayah. Penelitian ini bertujuan menganalisis hubungan kapasitas pembangkit dan produksi listrik terhadap distribusi listrik antarprovinsi di Indonesia tahun 2024 menggunakan metode Principal Component Regression (PCR). Data yang digunakan merupakan data sekunder dari Badan Pusat Statistik (BPS) yang mencakup 34 provinsi. Distribusi listrik digunakan sebagai variabel respons, sedangkan kapasitas pembangkit dan produksi listrik digunakan sebagai variabel prediktor. Analisis dilakukan melalui pemeriksaan korelasi dan multikolinearitas, pembentukan Principal Component Analysis (PCA), pemilihan komponen berdasarkan beberapa kriteria, kemudian dilanjutkan dengan regresi menggunakan komponen utama. Hasil analisis menunjukkan bahwa kapasitas pembangkit dan produksi listrik memiliki hubungan yang kuat dengan distribusi listrik. Berdasarkan validasi silang Leave-One-Out Cross-Validation (LOOCV), dua komponen utama dipertahankan dalam model PCR. Kedua komponen tersebut menunjukkan hubungan yang signifikan dengan distribusi listrik. Model juga memiliki kemampuan prediksi yang lebih baik dibandingkan model nol. Namun, hasil pengujian asumsi menunjukkan adanya heteroskedastisitas dan beberapa provinsi teridentifikasi sebagai observasi yang berpengaruh. Karena seluruh komponen utama tetap digunakan, PCR dalam penelitian ini secara numerik setara dengan regresi linear berganda, sehingga manfaat utamanya lebih terlihat dalam menangani multikolinearitas dan menggambarkan struktur hubungan antarvariabel. Hasil penelitian menunjukkan bahwa distribusi listrik tidak hanya berkaitan dengan kapasitas dan produksi listrik lokal, tetapi juga perlu mempertimbangkan keterhubungan jaringan listrik antarwilayah.