Claim Missing Document
Check
Articles

Found 13 Documents
Search

Factors Influencing the Success of Students’ Learning through Online Learning/Distance Education : A Bibliometric Analysis of Scopus Database Agus Santoso; Heri Retnawati; Munaya Nikma Rosyada; Ezi Apino; Ibnu Rafi; Kartianom Kartianom; Aigul Dauletkulova
Jurnal Kependidikan: Jurnal Hasil Penelitian dan Kajian Kepustakaan di Bidang Pendidikan, Pengajaran dan Pembelajaran Vol 10, No 1 (2024): March
Publisher : Universitas Pendidikan Mandalika (UNDIKMA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33394/jk.v10i1.10856

Abstract

This study aims to examine the co-occurrence of several topics linked to factors that influence student learning success and explore the motor themes related to factors that influence student learning success. This study used the literature review method with data analysis using R Studio and VOSViewer software. Data analyzed were exported from the Scopus website from 2013 to 2023 of 383 documents. The research data analysis techniques used network mapping analysis of VOSviewer results (network visualization) and content analysis within the keywords and studies. The findings of this study presented the keywords (most frequent words, trending topics), co-occurrence network (thematic map and thematic evolution), and discussion of topics related to factors that influence student learning success. The basic themes identified were higher education and Covid-19. Meanwhile, gender and self-efficacy are motor themes that could be researched further as those can influence student learning performance in online learning. The findings of the bibliometric analysis were intended to reveal unique insights into the factors that determine student learning performance in distant learning and contribute to previously unexplored issues.
Pengaruh Model Pembelajaran Discovery Learning Terhadap Hasil Belajar Matematika Ditinjau dari Percaya Diri Siswa Sekolah Dasar Dian Amrillah; Rhini Fatmasari; Agus Santoso
Jurnal Studi Guru dan Pembelajaran Vol. 7 No. 2 (2024): Mei - Agustus 2024
Publisher : Universitas Cokroaminoto Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/jsgp.7.2.2024.4278

Abstract

Penelitian ini merupakan penelitian kuantitatif dengan metode kuasi eksperimen dengan tujuan: 1) Menganalisis perbedaan hasil belajar Matematika antara siswa yang belajar menggunakan model pembelajaran discovery learning dengan siswa yang belajar menggunakan metode pembelajaran ceramah, 2) Menganalisis perbedaan hasil belajar Matematika antara siswa yang memiliki percaya diri tinggi dan siswa yang memiliki percaya diri rendah, 3) Menganalisis interaksi antara model pembelajaran discovery learning dan percaya diri siswa terhadap hasil belajar Matematika, 4) Menganalisis hasil perbedaan hasil belajar Matematika siswa yang belajar menggunakan model pembelajaran discovery learning dengan model pembelajaran ceramah pada siswa yang memiliki percaya diri tinggi, dan 5) Menganalisis hasil perbedaan hasil belajar Matematika siswa yang belajar menggunakan model pembelajaran discovery learning dengan model pembelajaran ceramah pada siswa yang memiliki percaya diri rendah. Penelitian ini dilakukan pada kelas siswa IV di Kecamatan Ciseeng Kabupaten Bogor dengan sampel 81 siswa. Penelitian ini adalah jenis penelitian kuantitatif dengan pendekatan dalam penelitian yaitu eksperimen Instrumen penelitian menggunakan angket dan tes hasil belajar. Analisis data dalam penelitian ini menggunakan uji Mann-Whitney dan Anova. Hasil penelitian menunjukkan bahwa : 1) Hasil belajar Matematika antara siswa yang menggunakan model pembelajaran discovery learning tidak lebih tinggi daripada siswa yang menggunakan metode pembelajaran ceramah, 2) Hasil belajar Matematika siswa yang memiliki percaya diri tinggi lebih tinggi daripada siswa yang memiliki percaya diri rendah, 3) Terdapat interaksi antara model pembelajaran discovery learning dan percaya diri siswa terhadap hasil belajar Matematika, 4) Hasil belajar siswa yang menggunakan model pembelajaran discovery learning tidak lebih baik daripada siswa yang menggunakan model pembelajaran ceramah pada siswa yang memiliki percaya diri tinggi, dan 5) Hasil belajar siswa yang menggunakan model pembelajaran ceramah lebih baik daripada siswa yang menggunakan model pembelajaran discovery learning pada siswa yang memiliki percaya diri rendah.
Deep-Rasch as an Alternative to Rasch Modeling under Assumption Violations and Small Sample Sizes Agus Santoso; Farit Mochamad Afendi; Timbul Pardede; Heri Retnawati; Ibnu Rafi; Ezi Apino; Munaya Nikma Rosyada
CAUCHY: Jurnal Matematika Murni dan Aplikasi Vol 10, No 2 (2025): CAUCHY: JURNAL MATEMATIKA MURNI DAN APLIKASI
Publisher : Mathematics Department, Maulana Malik Ibrahim State Islamic University of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/cauchy.v10i2.36276

Abstract

In certain situations, it may be challenging to fully exploit the advantages of modern test theory, including Rasch modeling and item response theory (IRT), when applied to real data. Although Rasch modeling tends to be more robust than IRT for small sample sizes, it still requires that the assumptions of unidimensionality and local independence be satisfied. In practice, these assumptions are often violated, which can lead to less accurate analyses and reduced validity of the results. Deep-Rasch, which integrates deep learning with Rasch modeling, has been proposed as an alternative measurement framework to overcome these limitations. This study examines the potential of Deep-Rasch as an alternative to Rasch modeling using student response data from 17 final semester examinations at Universitas Terbuka (UT), with sample sizes ranging from 33 to 11,504 students. Most examinations consisted of 30 multiple-choice items. The analyses showed that several datasets violated one or both assumptions of Rasch modeling. Nevertheless, Deep-Rasch performed comparably to conventional Rasch modeling in estimating item difficulty and student ability parameters, as well as in predicting student responses. Remarkably, for the smallest sample size (\emph{n} = 33), Deep-Rasch exhibited slightly better performance than Rasch modeling.