Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal JME (Journal of Mathematics Education) Scientific Timeline Jurnal Riset Pecinta Matematika
Dewi, Carolina Fadia
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Education Mathematics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
REGRESI LOGISTIK BINER UNTUK MENGKLASIFIKASIKAN CARA BELAJAR MAHASISWA MENURUT SUMBER BELAJARNYA Rizki, Nanda Arista; Mumtaza, Mutiara; Dewi, Carolina Fadia; Syahlafandi, Dhira
Scientific Timeline Vol. 4 No. 1 (2024)
Publisher : UNU Purwokerto

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

Abstract

Penelitian ini bertujuan untuk membuat model regresi logistik biner yang dapat mengklasifikasikan cara belajar Mahasiswa berdasarkan sumber belajarnya. Data diambil dari 111 Mahasiswa program studi pendidikan matematika Universitas Mulawarman. Sumber belajar yang menjadi variabel prediktor merupakan pilihan ganda majemuk. Hasil penelitian menunjukkan bahwa Mahasiswa yang menjadikan YouTube sebagai sumber belajarnya berpeluang untuk belajar secara mandiri sebesar 2,232 kali lebih besar dari pada belajar matematika berkelompok. Sementara Mahasiswa yang menjadikan buku cetak sebagai sumber belajarnya berpeluang untuk belajar secara kelompok sebesar 1,968 kali lebih besar dari pada belajar matematika mandiri. Nilai skor F1 tertinggi terletak pada pembagian data 90:10 yaitu sebesar 0,643. Skor AUC untuk model regresi logistik biner yang digunakan adalah sebesar 0,611.
Analisis Bibliometrik Perkembangan Penelitian Computational Thinking Siswa Dalam Pembelajaran Matematika Dengan VOSviewer Tahun 2014-2024 Dewi, Carolina Fadia; Rizki, Nanda Arista
Jurnal Riset Pecinta Matematika Vol. 1 No. 2 (2024)
Publisher : Yayasan Cinta Matematika

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

Abstract

Penelitian ini bertujuan untuk menyajikan analisis bibliometrik dari fokus penelitian-penelitian terkait computational thinking dalam pembelajaran matematika pada rentang waktu 2014-2024. Metode penelitian yang digunakan adalah pendekatan bibliometrik deskriptif menggunakan basis data Google Scholar yang diakses melalui Publish or Perish dengan penetapan kata kunci computational thinking siswa dalam pembelajaran matematika. Sebanyak 351 artikel relevan dianalisis menggunakan perangkat lunak VOSviewer untuk menyajikan visualisasi jaringan terkait tren dan arah masa depan dalam penelitian. Hasil analisis menunjukkan adanya peningkatan jumlah publikasi dari waktu ke waktu dengan fokus utama pada aspek implementasi, analisis, dan kemampuan computational siswa. Temuan ini memberikan pemahaman mendalam tentang kontribusi penelitian computational thinking siswa dalam pembelajaran matematika serta arah perkembangan potensial untuk penelitian-penelitian yang akan datang.
Differences In Computational Thinking Ability Of Seventh-Grade Students At Smp It Cordova Samarinda In The Context Of Data Presentation Based On The Interaction Of Math Anxiety Level And Computational Thinking Aspects Dewi, Carolina Fadia; Rizki, Nanda Arista; Kurniawan, Kurniawan; Rusdiana, Rusdiana
JME (Journal of Mathematics Education) Vol 10, No 2 (2025): JME (Jul - Dec)
Publisher : Universitas Sembilanbelas November Kolaka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31327/jme.v10i2.2528

Abstract

Computational thinking is an essential skill in mathematics learning. However, many students still face difficulties in applying its aspects. This study aims to examine differences in students’ computational thinking ability in the context of data presentation based on math anxiety levels and computational thinking aspects, as well as the interaction between the two. A quantitative approach with a comparative descriptive desig was employed. The research subjects were 119 seventh-grade students of SMP IT Cordova Samarinda, selected using purposive sampling. Research instruments consisted of a math anxiety questionnaire and a computational thinking test covering four aspects: decomposition, pattern recognition, algorithm, and abstraction-generalization. Data were analyzed using the General Linear Model with Two Way Repeated Measures ANOVA. The results revealed significant differences in cmputational thinking ability based on math anxiety level, with a tendency for lower computational thinking ability among students with high math anxiety. Significant differences were also found across computational thinking aspects, with decomposition scoring the highest and abstraction-generalization the lowest. Howeve, no significant interaction was found between math anxiety level and computational thinking aspects. These findings highlight the importance of instructional approaches that consider affective factors to optimize the holistic development of students’ computational thinking across all aspects.
Co-Authors Kurniawan Kurniawan Mumtaza, Mutiara Nanda Arista Rizki Rusdiana Rusdiana Syahlafandi, Dhira