Article Per Year (5 Year)
p-Index From 2021 - 2026
3.783
P-Index
This Author published in this journals
All Journal Jurnal Simetris Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Informatika dan Teknik Elektro Terapan JURIKOM (Jurnal Riset Komputer) Building of Informatics, Technology and Science Jurnal Manajemen Informatika dan Sistem Informasi Jurnal Informatika dan Rekayasa Elektronik JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Informatika Terpadu Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) Jurnal Janitra Informatika dan Sistem Informasi PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Sistem Informasi dan Manajemen Jurnal Kecerdasan Buatan dan Teknologi Informasi Informasi interaktif : jurnal informatika dan teknologi informasi
Purnamasari, Ade Irma
Unknown Affiliation
Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Mechanical Engineering

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 26 Documents
Search

 1   2   3 
MENINGKATKAN MODEL PREDIKSI KELULUSAN SANTRI TAHFIDZ DI PONDOK PESANTREN AL-KAUTSAR MENGGUNAKAN ALGORITMA RANDOM FOREST Sobari, Syahrul; Purnamasari, Ade Irma; Bahtiar, Agus; Kaslani, Kaslani
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5704

Abstract

Abstrak. Penelitian ini bertujuan untuk meningkatkan model prediksi kelulusan santri Tahfidz di Pondok Pesantren Al-Kautsar dengan menerapkan algoritma Random Forest , yang dikenal memiliki kemampuan menangani data kompleks dan menghasilkan prediksi yang lebih akurat dibandingkan metode tradisional. Dengan algoritma Random Forest, penelitian ini berusaha mengeksplorasi keunggulan dalam memberikan prediksi yang lebih baik. Penelitian ini melibatkan beberapa tahapan penting, dimulai dari pengumpulan data santri yang berjumlah 300 dengan mencakup beberapa atribut, seperti jumlah hafalan, tingkat kehadiran, nilai ujian, dan status izin sebagai target prediksi. Hasil penelitian menunjukkan bahwa algoritma Random Forest secara signifikan lebih unggul dibandingkan regresi linier dalam memprediksi kelulusan santri. Random Forest menghasilkan akurasi sebesar 99,64% , presisi 100,00% , dan recall 98,80% , sementara regresi linier hanya mencapai akurasi sebesar 77% . Analisis mendalam menunjukkan bahwa atribut jumlah hafalan dan tingkat kehadiran memiliki pengaruh terbesar terhadap prediksi kelulusan, diikuti oleh nilai ujian. Hal ini menegaskan bahwa faktor nonakademik seperti hafalan dan kehadiran mempunyai peranan penting dalam keberhasilan santri. Keunggulan algoritma Random Forest terletak pada kemampuannya menggabungkan prediksi dari banyak pohon keputusan, sehingga menghasilkan model yang lebih stabil dan tahan terhadap noise dalam data. Selain itu, algoritma ini dapat menangani data dengan kombinasi variabel numerik dan kategorikal tanpa perlu transformasi yang signifikan, menjadikannya cocok untuk dataset dunia nyata yang seringkali tidak sempurna.  Abstrak. Penelitian ini bertujuan untuk memperbaiki model prediksi izin santri tahfidz di Pondok Pesantren Al-Kautsar dengan menerapkan algoritma Random Forest yang diketahui memiliki kemampuan dalam menangani data yang kompleks dan menghasilkan prediksi yang lebih akurat dibandingkan metode tradisional. Dengan algoritma Random Forest, penelitian ini berupaya untuk mengeksplorasi kelebihan dalam memberikan prediksi yang lebih baik. Penelitian ini melibatkan beberapa tahapan penting, dimulai dari pengumpulan data santri sebanyak 300 data yang mencakup beberapa atribut, seperti jumlah hafalan, tingkat kehadiran, nilai ujian, dan status izin sebagai target prediksi. Hasil penelitian menunjukkan bahwa algoritma Random Forest secara signifikan lebih unggul dibandingkan regresi linier dalam memprediksi kelulusan santri. Random Forest menghasilkan akurasi sebesar 99,64%, presisi sebesar 100,00%, dan recall sebesar 98,80%, sedangkan regresi linier hanya mencapai akurasi sebesar 77%. Analisis mendalam menunjukkan bahwa atribut hafalan dan tingkat kehadiran memiliki pengaruh paling besar dalam memprediksi penerimaan, diikuti oleh nilai ujian. Hal ini menegaskan bahwa faktor non akademis seperti hafalan dan kehadiran memiliki peran penting dalam keberhasilan siswa. Keunggulan algoritma Random Forest terletak pada kemampuannya menggabungkan prediksi dari banyak pohon keputusan, sehingga menghasilkan model yang lebih stabil dan tahan terhadap noise dalam data. Selain itu, algoritma ini dapat menangani data dengan kombinasi variabel numerik dan kategoris tanpa memerlukan transformasi yang signifikan, sehingga cocok untuk dataset dunia nyata yang seringkali tidak sempurna.
GAME PUZZLE HEWAN UNTUK PENINGKATAN KEMAMPUAN BAHASA INGGRIS SISWA PAUD MENGGUNAKAN METODE ADDIE Ryanto, Bayu; Rahaningsih, Nining; Purnamasari, Ade Irma
JURSIMA Vol 10 No 1 (2022): Jursima Vol. 10 No. 1, April Tahun 2022
Publisher : INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47024/js.v10i1.432

Abstract

Kemampuan belajar siswa PAUD di PAUD SITI FATIMAH KOTA CIREBON dalam mengenal nama-nama hewan dalam bahasa inggris masih rendah. Data menunjukkan dari 17 siswa PAUD yang diteliti, sebanyak 5 orang atau 20.8% sudah mampu mengetahui nama-nama hewan dalam bahasa inggris sedangkan sisanya sebanyak 12 orang siswa PAUD atau 70.2% belum mampu mengetahui nama-nama hewan dalam bahasa inggris. Untuk mengatasi masalah tersebut dilakukan pembuatan aplikasi game puzzle gambar hewan menggunakan unity 3D. Tujuan dibuatnyaplikasi game puzzle gambar hewan menggunakan unity 3D untuk meningkatkan kemampuan pembelajaran pada siswa PAUD dalam mengenal nama-nama hewan dalam bahasa inggris. Aplikasi game puzzle ini dibuat dengan menggunakan metode ADDIE dengan tahapnya adalah sebagai berikut :1) Analysis, 2) Design, 3) Development, 4) Implement, dan 5) Evaluate. Berdasarkan hasil pengujian sebelumnya menggunakan media buku siswa PAUD masih kurang efektif dan setelah dibuatnya media permainan dengan game puzzle siswa PAUD lebih efektif dan pengujian tingkat capaian responden diperoleh nilai rata-rata keseluruhan sebesar 851 dengan tingkat capaian responden 85,1% dengan kategori sangat baik. Dapat disimpulkan bahwa game puzzle gambar hewan dalam bahasa inggris dapat meningkatkan kemampuan bahasa inggris pada siswa di PAUD SITI FATIMAH Kota Cirebon. Kata Kunci: Game Puzzle, Metode ADDIE, Bahasa Inggris, PAUD
PENERAPAN METODE SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN PENGGUNA APLIKASI FLIP.ID Sadiyah, Ainur Rohimatus; Purnamasari, Ade Irma; Ali, Irfan
JURSIMA Vol 11 No 3 (2023): Volume 11 Nomor 3 2023
Publisher : INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47024/js.v12i1.727

Abstract

Flip.Id adalah salah satu platform teknologi finansial di Indonesia, yang menawarkan beragam layanan keuangan, termasuk pembayaran dan transfer uang. Penelitian ini bertujuan untuk menerapkan metode Support VectorMachine dalam menganalisis sentimen terhadap ulasan pengguna aplikasi Flip.Id yang tersedia di Google Play Store. Metode Support Vector Machine dipilih karena memiliki tingkat kemampuan yang tinggi dalam menganalisis teks dan terbukti efektif dalam memahami sentimen. Proses pelatihan model Support Vector Machine melibatkan penggunaan dataset ulasan pengguna untuk mengklasifikasikan sentimen. Evaluasi hasil model mencakup berbagai matriks evaluasi, seperti akurasi, presisi, recall dan F1-Score. Hasil penelitian ini menunjukkan tingkat akurasi mencapai 87%, dengan nilai evaluasi matriks presisi sebesar 93%, recall 87%, dan nilai F1-Score 90%. Temuan ini menjadi dasar untuk penelitian lebih lanjut dalam mengeksplorasi lebih dalam analisis sentimen, khususnya dalam konteks teknologi finansial. Dari penelitian ini membuktikan bahwa model Support Vector Machine mampu memberikan hasil klasifikasi yang baik, dan memberikan peluang bagi penelitian lebih lanjut dalam memahami respons pengguna terhadap layanan keuangan digital seperti Flip.Id.
Perancangan Website Pembelajaran Bahasa Jepang dengan Fokus Materi Klausa melalui Metode Waterfall Ardiansyah, Dimas; Purnamasari, Ade Irma
Jurnal Informatika Terpadu Vol 10 No 1 (2024): Maret, 2024
Publisher : LPPM STT Terpadu Nurul Fikri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54914/jit.v10i1.1085

Abstract

Interest in Japanese is increasing in Indonesia, especially at LPK IHMI Cirebon, along with the growth of bilateral relations and information technology. This research aims to improve Japanese language learning, especially Japanese clause material through website design at LPK IHMI Cirebon. Conventional methods that are less interactive become obstacles to active participation of students. An innovative approach is proposed by utilizing a website, especially through the WordPress platform, and referring to the book "Minna no Nihongo" as a source of comprehensive learning material. The choice of WordPress platform is based on ease of use and integration with other services. LPK IHMI Cirebon faces the challenge of learning resources and conventional methods that are less interactive, impacting student participation, progress, motivation and understanding. The Waterfall research method was used with a focus on developing web learning modules, especially in chapter 22 "Minna no Nihongo" regarding Japanese clause material which is still considered the most difficult material in Japanese. Implementation involves the integration of learning technologies, especially Artificial Intelligence, to increase interactivity. The test results show that the website works as planned with an appropriate effectiveness level of 100% and provides positive performance as a Japanese language learning tool of 95%.
PENGELOMPOKAN TEKANAN DARAH LANSIA DENGAN ALGORITMA K-MEANS DI KP.LEBAK JERO Elsa Safutri; Purnamasari, Ade Irma; Bahtiar, Agus; Wahyudin, Edi
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 8 No. 1 (2025): MISI Januari 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v8i1.1359

Abstract

Hipertensi merupakan salah satu masalah kesehatan utama yang sering dialami oleh lansia dan memerlukan penanganan yang tepat. Namun, keterbatasan sumber daya di Posbindu sering kali menjadi hambatan dalam mengidentifikasi kelompok risiko hipertensi secara efektif. Penelitian ini bertujuan untuk merancang model pengelompokan risiko hipertensi pada lansia di Posbindu Kp. Lebak Jero menggunakan algoritma k-means, dalam mendukung intervensi kesehatan yang lebih terarah. Data yang dianalisis mencakup tekanan darah sistolik, diastolik, usia, jenis kelamin, dan berat badan, berdasarkan catatan Posbindu selama bulan Agustus-September 2024. Proses analisis dilakukan melalui tahapan Knowledge Discovery in Database (KDD), yang meliputi pengumpulan, pra-pemrosesan, transformasi data, pengelompokan, dan evaluasi. Untuk mengevaluasi kualitas hasil pengelompokan, digunakan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa DBI optimal sebesar 0,881 dengan k=2. Cluster pertama (Cluster_0) terdiri dari 75 lansia berisiko rendah (19 orang dengan tekanan darah normal dan 56 orang pra-hipertensi), dengan rentang usia 45-59 tahun (46 orang), 60-69 tahun (22 orang), dan >70 tahun (7 orang). Cluster kedua (Cluster_1) terdiri dari 71 lansia berisiko tinggi (28 orang hipertensi tingkat 1 dan 43 orang hipertensi tingkat 2), dengan  rentang usia 45-59 tahun (26 orang), 60-69 tahun (30 orang), dan >70 tahun (15 orang). Tekanan darah sistolik pada Cluster_0 berada pada kisaran 80-143 mmHg dan diastolik 80-90 mmHg, sementara pada Cluster_1 sistolik 140-200 mmHg dan diastolik 78-130 mmHg. Penelitian ini menunjukkan bahwa algoritma k-means mampu memetakan kelompok risiko hipertensi dan membantu pemantauan serta mendukung pelaksanaan intervensi kesehatan yang lebih efektif dan terarah di Posbindu Kp. Lebak Jero.
Peningkatan Model Pola Penjualan Obat di Apotek Vaza Farma Menggunakan Algoritma FP-Growth Damayanti, Selpiana; Purnamasari, Ade Irma; Bahtiar, Agus; Wahyudin, Edi
Informasi Interaktif : Jurnal Informatika dan Teknologi Informasi Vol 10 No 1 (2025): JII Volume 10, Number 1, Januari 2025
Publisher : Program Studi Informatika Fakultas Teknik Universitas Janabadra

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penggunaan teknologi dalam sektor kesehatan, khususnya untuk manajemen stok dan penjualan obat, sangat penting untuk meningkatkan efisiensi operasional apotek. Penelitian ini menggunakan algoritma FP-Growth tujuannya adalah untuk mengidentifikasi pola penjualan obat di Apotek Vaza Farma. FP-Growth dikenal sebagai pendekatan efektif untuk menemukan pola frekuensi tinggi dalam data transaksi, membantu pengambilan keputusan pengelolaan stok yang lebih baik. Masalah yang dihadapi termasuk pengelolaan stok obat yang kurang efisien dan prediksi kebutuhan stok yang kurang akurat, yang sering menyebabkan kelebihan atau kekurangan stok. Metode penelitian melibatkan pengumpulan data transaksi penjualan obat dari sistem manajemen Apotek Vaza Farma selama satu bulan terakhir. Data yang diperoleh mencakup invoice no, trans date, due date, customer name, location, PLU, item name, QTY, unit, item price, discount, tax, subtotal dan status. Analisis dimulai dengan tahapan preprocessing, yaitu pembersihan dan transformasi data agar sesuai untuk diterapkan dengan algoritma fp-growth. Algoritma FP-Growth digunakan untuk menemukan itemset yang sering muncul bersamaan. Untuk meningkatkan efisiensi analisis, proses ini dilakukan menggunakan RapidMiner. Hasil penelitian ini menunjukkan FP-Growth berhasil mengidentifikasi beberapa pola pembelian obat diantaranya Erphaflam box sering dibeli bersama dengan Rhemafar box dengan nilai support 0.005 dan nilai confidence 0.298. hubungan lain ditemukan antara Rhemafar box dan Renadinac box dengan nilai support 0.006 dan nilai confidence 0.319, serta Ersolon box dan Erphaflam box dengan nilai support 0.004, dan nilai confidence 0.400 dengan nilai lift 22.664. Pola- pola ini memberikan wawasan penting untuk pengelolaan stok membantu mengurangi risiko kelebihan dan kekurangan stok serta meningkatkan kepuasan pelanggan. Hasil penelitian ini menggunakan algoritma data mining seperti FP-Growth dapat menjadi solusi yang efektif untuk tantangan manajemen stok obat. Keywords: Algoritma FP-Growth, pola penjualan obat, data mining, manajemen stok, Apotek Vaza Farma
Peningkatan Model Prediksi Konten Cyberbullying Pada Media Sosial Instagram Menggunakan Algoritma Support Vector Machine Budiarti, Reksa; Purnamasari, Ade Irma; Bahtiar, Agus; Wahyudin, Edi
Informasi Interaktif : Jurnal Informatika dan Teknologi Informasi Vol 10 No 1 (2025): JII Volume 10, Number 1, Januari 2025
Publisher : Program Studi Informatika Fakultas Teknik Universitas Janabadra

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Platform media sosial seperti Instagram telah menjadi sangat populer di kalangan masyarakat di seluruh dunia. Namun, cyberbullying dapat membahayakan kesehatan mental pengguna di platform ini. Dengan menggunakan algoritma Support Vector Machine (SVM), penelitian ini bertujuan untuk meningkatkan model prediksi konten cyberbullying di Instagram. Dengan meningkatnya jumlah data di media sosial, mengidentifikasikan konten negatif seperti cyberbullying secara otomatis menjadi sangat penting untuk membuat internet lebih aman. Penelitian ini menggunakan algoritma Support Vector Machine (SVM) yang merupakan salah satu metode pengajaran yang diawasi yang paling efektif untuk klasifikasi data. Dataset yang digunakan terdiri dari komentar Instagram yang diklasifikasikan sebagai bullying atau non-bullying. Untuk meningkatkan kualitas fitur teks yang diolah, proses pengolahan data melibatkan tahap preprocessing seperti cleaning, tokenisasi, stopword removal, stemming, dan TF-IDF. Selanjutnya, model SVM diimplementasikan dan dioptimasikan untuk meningkatkan akurasi prediksi dengan beberapa parameter. Hasil penelitian menunjukkan bahwa algoritma SVM dapat memberikan hasil prediksi yang akurat dengan tingkat akurasi sebesar 79,76% dalam mengidentifikasikan konten cyberbullying pada Instagram. Jumlah kasus yang termasuk dalam kategori prediksi bullying dan benar-benar termasuk kategori konten bullying adalah sebanyak 482 kasus. Sementara itu, yang benar-benar termasuk konten non-bullying terdapat 155 kasus. Selain itu, yang diprediksi benar sebagai kategori konten non-bullying berjumlah 243 kasus, dan yang termasuk dalam kategori prediksi non-bullying tetapi sebenarnya bullying terdapat 29 kasus. Ini menunjukkan bahwa SVM adalah metode yang efektif untuk menganalisis teks berbasis media sosial dalam mendeteksi tindakan bullying. Hasil penelitian ini dapat meningkatkan kesadaran masyarakat terhadap masalah cyberbullying dan dampak negatifnya. Keywords: Support Vector Machine (SVM), cyberbullying, Prediksi konten, Instagram, Sosial Media.
Pengembangan Chatbot Layanan Publik Berbasis Natural Language Processing Di Mal Pelayanan Publik Garut Fadlan Abdul Rojak; Purnamasari, Ade Irma; Bahtiar, Agus; Wahyudin, Edi
Informasi Interaktif : Jurnal Informatika dan Teknologi Informasi Vol 10 No 1 (2025): JII Volume 10, Number 1, Januari 2025
Publisher : Program Studi Informatika Fakultas Teknik Universitas Janabadra

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk membangun chatbot berbasis Natural Language Processing (NLP) yang memberikan respons otomatis dan relevan terhadap kebutuhan informasi pengguna di Mal Pelayanan Publik(MPP) Garut. Metode penelitian menggunakan pendekatan System Development Life Cycle (SDLC), meliputi analisis kebutuhan, perancangan sistem, pengembangan menggunakan RASA Framework, pengujian,implementasi, dan pemeliharaan. Data chatbot berasal dari layanan yang tersedia di website resmi MPP Garut,dengan skenario pertanyaan pengguna. Hasil menunjukkan bahwa chatbot berhasil diimplementasikan dengan baik, mampu merespons secara otomatis tanpa intervensi manusia, dan memberikan jawaban yang relevanberdasarkan API website MPP. NLP memungkinkan chatbot memahami maksud pengguna meskipun terdapat variasi struktur pertanyaan, sementara integrasi API memastikan data selalu akurat. Chatbot ini berkontribusi pada peningkatan efisiensi dan aksesibilitas layanan informasi di MPP Garut. Penelitian ini merekomendasikan pengembangan lebih lanjut dengan melibatkan pengguna eksternal untuk pengujian dan memperluas fitur chatbot untuk mendukung layanan tambahan.
Improving Regional Clustering Based on Tuberculosis Cases using the K-Means Algorithm of the Cirebon City Health Office Wilda Rusmiati Rahayu; Purnamasari, Ade Irma; Bahtiar, Agus; Kaslani
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.727

Abstract

Tuberculosis (TB) is a highly infectious disease prevalent in Indonesia, including Cirebon City. This study utilizes the K-Means algorithm to optimize the clustering of areas based on TB case data from the Cirebon Health Office. By analyzing the number of cases, population density, and other factors, the study aims to identify regional clusters with similar TB case characteristics. The research employed Rapid Miner software and the Knowledge Discovery Database (KDD) methodology. The K-Means analysis categorized the study area into two clusters. Cluster_0, representing 20 areas, had lower TB risk, characterized by higher population density, smaller geographic size, and fewer TB cases. Cluster_1, representing two areas, exhibited higher TB risk, marked by lower population density, larger area, and more TB cases. The clustering quality was evaluated using the Davies-Bouldin Index (DBI), which yielded an optimal value of 0.189 at K=2K = 2. Additionally, the Avg within Centroid Performance Vector Analysis supported the clustering validity the clusters with value of 19851032.925.The results demonstrate that this clustering approach effectively identifies TB risk areas, aiding targeted interventions. The findings provide the Cirebon Health Office with a framework for better resource allocation, focusing intensive programs in high-risk regions and preventive measures in low-risk areas.
PENGELOMPOKAN PRESTASI AKADEMIK SISWA SD MENGGUNAKAN ALGORITMA K-MEANS Srirahmawati, Eneng Okta; Purnamasari, Ade Irma; Bahtiar, Agus; Tohidi, Edi
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 1 (2025): JIRE APRIL 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i1.1358

Abstract

Penelitian ini bertujuan untuk mengelompokkan prestasi akademik siswa di SDN Lebakwangi menggunakan algoritma K-Means. Algoritma K-Means adalah metode pengelompokan dalam data mining untuk mengelompokkan data berdasarkan kesamaan karakteristik antara data satu dengan data lainnya. Dalam penelitian ini, data yang digunakan berupa nilai rapor akademik siswa kelas 1, 2, 3, 4, dan 5 semester genap tahun 2024 sebanyak 171 data siswa, yang mencakup berbagai mata pelajaran yang digunakan sebagai atributnya, dengan menggunakan metode Knowledge Discovery in Database (KDD). Penelitian ini dapat mengidentifikasi pola pengelompokan siswa berdasarkan nilai akademik mereka yang lebih akurat dan efisien. Hasil evaluasi menggunakan algoritma k-means dan indeks evaluasi DBI menunjukkan bahwa nilai DBI terendah terdapat pada percobaan k=2, dengan nilai DBI 0.738. Pada percobaan tersebut, terbentuk 2 cluster, yaitu cluster_0  terdiri dari 141 siswa dengan kategori “baik” dan nilai rata rata 76.242, sedangkan pada cluster_1  terdiri dari 27 siswa dengan kategori  “sangat baik”  dan nilai rata-rata 85.181. Hasil penelitian ini dapat memberikan wawasan bagi guru untuk merancang cara pembelajaran yang lebih tepat sesuai dengan kebutuhan akademik masing-masing kelompok siswa.
Co-Authors Abdul Rohim, Adi Nur Amalia, Dita Rizki Andi Setiawan Bagustio, Agung Prayogo Budiarti, Reksa Damayanti, Selpiana Dikananda, Arif Rinaldi Dimas Ardiansyah Elsa Safutri Fadlan Abdul Rojak Fauzi Ahmad Muda Febriansyah, Feggy Gifthera Dwilestari Illahi, Asep Wahyu Irfan Ali Irfan Ali, Irfan Kaslani Nining Rahaningsih NOVIYANTI Nurcholis, Rifki Odi Nurdiawan Putri, Haidah R, Nining Ramadhan, M. Fadhilatur Rini Astuti Rohmat, Cep Lukman Ryanto, Bayu Sadiyah, Ainur Rohimatus Saeful Anwar, Saeful Sapta Wardani, Ruri Riana Setiawan, Riyan Sobari, Syahrul Srirahmawati, Eneng Okta Suarna, Nana Syahrul, Adis Tati Suprapti Taukhid, Abdul Tohidi, Edi Wahyudin, Edi Wilda Rusmiati Rahayu Zahrudin Zaki Nur Rahmat Hidayat