Article Per Year (5 Year)
p-Index From 2021 - 2026
2.826
P-Index
This Author published in this journals
All Journal Jurnal Obsesi: Jurnal Pendidikan Anak Usia Dini Edukasi Islami: Jurnal Pendidikan Islam Jurnal Pendidikan Matematika (JUDIKA EDUCATION) JURNAL PENDIDIKAN TAMBUSAI Jurnal Basicedu Jurnal Pendidikan dan Konseling Bubungan Tinggi: Jurnal Pengabdian Masyarakat SEPREN: Journal of Mathematics Education and Applied Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Basicedu Al-Irsyad Journal of Mathematics Education Innovative: Journal Of Social Science Research
Samuel Juliardi Sinaga
Pendidikan Matematika, Universitas HKBP Nommensen
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Public Health Social Sciences Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
IMPLEMENTASI DEEP LEARNING BERBASIS RECURRENT NEURAL NETWORK (RNN) UNTUK MEMPREDIKSI KEMAMPUAN PEMECAHAN MASALAH MATEMATIS SISWA Samuel Juliardi Sinaga; Sanggam Gultom; Rolan Manurung; Pirma Dame Togatorop
Al-Irsyad Journal of Mathematics Education Vol 5 No 1 (2026): Januari - Juni 2026
Publisher : Sekolah Tinggi Keguruan dan Ilmu Pendidikan Darud Da'wah Wal Irsyad Pinrang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58917/ijme.v5i1.522

Abstract

Kemampuan pemecahan masalah matematis merupakan aspek mendasar yang tidak hanya mencerminkan kemampuan kognitif, tetapi juga kemampuan penalaran dan analisis siswa. Di Indonesia, kemampuan ini masih menjadi tantangan karena siswa cenderung fokus pada penyelesaian prosedural, namun mengalami kesulitan menghadapi masalah yang lebih kompleks atau konteks baru. Kondisi ini menunjukkan perlunya pendekatan inovatif untuk memprediksi kemampuan pemecahan masalah matematis siswa, sehingga dapat diberikan stimulus yang sesuai dan dilakukan observasi terhadap perkembangannya. Perkembangan pesat Artificial Intelligence (AI) dalam beberapa tahun terakhir telah memberikan peluang besar dalam menganalisis perilaku belajar serta memprediksi kinerja akademik siswa. Salah satu pendekatan yang unggul untuk menganalisis data berurutan seperti nilai siswa adalah Deep Learning dengan model Recurrent Neural Network (RNN), karena kemampuannya menangkap hubungan temporal antar variabel dan memodelkan pola belajar secara dinamis. Penelitian ini berfokus pada prediksi tingkat kemampuan pemecahan masalah matematis siswa SMP Negeri 7 Percut menggunakan 179 data nilai matematika dari empat semester. Data dibagi menjadi 150 data training dan 29 data uji. Dengan metode RNN berbasis Long Short-Term Memory (LSTM), hasil terbaik diperoleh pada epoch 150 dan learning rate 0,001, menghasilkan nilai RMSE dan MAE sebesar 0,00, menunjukkan bahwa LSTM efektif dalam memprediksi kemampuan pemecahan masalah matematis siswa.
Co-Authors Adi Suarman Situmorang, Adi Suarman Agusmanto J.B Hutauruk Agusmanto J.B. Hutauruk Agusmato Hutauruk Angel M S Sinaga Angeline Monica Sonia Christina Sitepu Dame Ifa Sihombing dame ifa sihombing Debora Sihotang Delvina Yanti Siahaan Desi Sonia Petlin Nainggolan Dinie Anggreani Dewi Ewin Simbolon Febriana Jovanka Gultom Frengki Pakpahan Friska Tulus Fitri Ani Nababan Froilan D Mobo Ghufran Hasyim Achmad Hardi Tambunan Henny I. Sitanggang Juliaster Marbun Kevin William Andri Siahaan Lasmaria Pardede Manik, Efron Mariana Br. Surbakti Mayasari Simanjuntak Mei Jwita Silaen Milka Simanjuntak Misbah Misbah Najamuddin Najamuddin Pirma Dame Togatorop Pretty Viorella Br Ginting Putri Marsaulina Toba Panggabean Rahayuni A P Situmorang Rebika Afrina Br Simanjuntak Rini Sri Susilawati Simbolon Rolan Manurung Roxy E.A Br. Sitanggang Ruth Mayasari Simanjuntak Ruth Mayasari Simanjuntak Ruth Theofany Siagian Ruth Valentina Manik Sanggam Gultom Sanggam P. Gultom Simon Panjaitan Sri Rezeki Sitompul Susi Sihombing Tasya H.D.M Siringoringo Tetty A. Tambunan Tutiarny Naibaho Urip Widodo Venny Herawati Simangunsong Yohana G A Siagian