Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JURNAL DERIVAT: JURNAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA Psychology, Evaluation, and Technology in Educational Research
Prasetyo, Tika Dedy
Unknown Affiliation
Computer Science & IT Education Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Pengaruh Motivasi Terhadap Prestasi Ditinjau Dari Perbedaan Jenis Kelamin Mahasiswa STKIP PGRI Pacitan Meifiani, Nely Indra; Prasetyo, Tika Dedy
Jurnal Derivat: Jurnal Matematika dan Pendidikan Matematika Vol 2, No 1 (2015): Jurnal Derivat (Juli 2015)
Publisher : Pendidikan Matematika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (135.733 KB) | DOI: 10.31316/j.derivat.v2i1.113

Abstract

Penelitian ini bertujuan untuk melihat manakah yang lebih baik antara prestasi mahasiswa laki-laki dan perempuan,melihat manakah yang lebih baik antara prestasi mahasiswa dengan motivasi tinggi, sedang, dan rendah, dan pada masing-masing kategori motivasi mahasiswa, prestasi manakah yang lebih baik antara laki-laki atau perempuan.  Penelitian yang digunakan adalah penelitian kuantitatif. Rancangan penelitian yang digunakan dalam penelitian ini adalah rancangan faktorial 2x3. Instrumen yang digunakan adalah tes prestasi belajar matematika dan  angket motivasi. Dalam penelitian ini analisa data yang digunakan adalah dengan analisis variansi dua jalan dengan sel tak sama. Selain itu digunakan uji prasarat yaitu uji normalitas dan uji homogenitas. Semua pengujian dibantu dengan software SPSS 16. Hasil penelitiannya adalah prestasi mahasiswa perempuan sama dengan prestasi mahasiswa laki-laki pada pembelajaran teori peluang. Prestasi mahasiswa dengan motivasi tinggi sama dengan prestasi mahasiswa dengan motivasi sedang atau rendah pada pembelajaran teori peluang. Dan pada masing-masing kategori motivasi mahasiswa, prestasi mahasiswa perempuan sama dengan mahasiswa laki-laki pada pembelajaran teori peluang. Kata Kunci: Motivasi, jenis kelamin, prestasi
Development of user-friendly simple statistical software: Linear regression analysis series Susanto, Hari Purnomo; Noviantari, Ika; Meifiani, Nely Indra; Purnamasari, Mega Isvanidiana; Prasetyo, Tika Dedy; Kusuma, Mobinta; Sumin, Sumin
Psychology, Evaluation, and Technology in Educational Research Vol. 7 No. 2 (2025): Article in Press
Publisher : Research and Social Study Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33292/petier.v7i2.242

Abstract

Regression analysis is a statistical technique frequently employed across diverse disciplines utilizing SPSS. Users lacking a robust basis in regression and infrequently utilizing SPSS will experience anxiety. Anxiety will be intensified by the interpretation of the analysis results. This work aims to create user-friendly statistical software for regression analysis, requiring little configuration and capable of interpreting analytical results. This study employed the SCLD development model. This paradigm comprises five stages: Planning, Analysis, Design, Implementation, and System. The produced software is titled Simple Statistical Software series Regression Analysis, abbreviated as 3S-AR. The development yielded the 3S-AR program, which possesses functionality for regression analysis. The validation of development results was conducted by comparing the outcomes of 3S-AR analysis with those obtained from SPSS software. 3S-AR provides numerous advantages. Initially, it was user-friendly, and minimal configuration was required. A single analysis can present the outcomes of the regression analysis alongside all relevant assumptions. Secondly, the capability to offer an interpretation of the analytical findings. Third, if an analysis is incomplete, it can offer recommendations on the user's next steps. Fourth, it is complimentary. The development outcomes can facilitate users in conducting regression analysis with ease, particularly for individuals lacking a robust statistical background and proficiency in regression analysis tools.
Co-Authors Hari Purnomo Susanto Mobinta Kusuma Nely Indra Meifiani Noviantari, Ika Purnamasari, Mega Isvanidiana Sumin, Sumin