Claim Missing Document
Check
Articles

Found 2 Documents
Search

Analisis Kesulitan Belajar Mahasiswa PGMI Pada Mata Kuliah Matematika Materi Geometri Ruang Dan Alternatif Solusinya Saputra, Arwin Wahyu
PELITA - JURNAL PENDIDIKAN DAN KEGURUAN Vol 1 No 2 (2023): PELITA - JURNAL PENDIDIKAN DAN KEGURUAN
Publisher : STAI AL GAZALI SOPPENG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69839/pelita.v1i2.18

Abstract

Penelitian ini merupakan penelitian deskriptif dengan pendekatan kualitatif yang bertujuan untuk menganalisis kesulitan belajar mahasiswa PGMI pada mata kuliah matematika materi geometri ruang serta alternatif solusinya. Selain peneliti sebagai instrumen utama, data juga diperoleh melalui pemberian angket keseharian dan aktivitas belajar, tes tertulis pemahaman konsep matematika pada materi geometri ruang, dan pedoman wawancara. Subjek penelitian adalah mahasiswa STAI Al Gazali Soppeng Program Studi Pendidikan Guru Madrasah Ibtidaiyah (PGMI). Pengumpulan data dilakukan melalui analisis data hasil angket keseharian dan aktiviitas belajar, tes tertulis pemahaman konsep matematika dan wawancara melalui triangulasi metode. Hasil penelitian menyimpulkan bahwa secara umum kesulitan belajar yang dialami mahasiswa calon guru SD/MI pada materi geometri ruang diantaranya: 1) Subjek kesulitan dalam mengingat dan membedakan berbagai macam rumus volume bangun ruang yang ada, 2) Subjek mengalami kesulitan dalam penggunaan rumus ketika diberikan suatu permasalahan, 3) Subjek mengalami kesulitan melakukan perhitungan dasar dalam menerapkan rumus volume bangun ruang karena ketidakmampuan subjek selama ini dalam memahami konsep operasi dasar bilangan terutama operasi perkalian, 4) Subjek mengalami kesulitan ketika dihadapkan dengan soal-soal yang mungkin agak sedikit berbeda dengan konteks soal yang biasa dicontohkan oleh dosen pengampu, 5) Subjek masih belum memahami cara membaca dan membedakan satuan volume dan luas permukaan bangun ruang dengan benar.
Prediksi Pergerakan Harga Ethereum Menggunakan Machine Learning dengan Algoritma Random Forest dan XGBoost Girinata, I Made Candra; Styawan, Budi; Saputra, Arwin Wahyu; Arif, M Aidil; Dahur, Arnoldus Janssen
Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Vol 4 No 2 (2025): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK)
Publisher : STMIK Amika Soppeng

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70247/jumistik.v4i2.222

Abstract

ABSTRAK Perkembangan aset kripto yang pesat, khususnya Ethereum, menuntut adanya model prediksi harga yang akurat untuk mendukung strategi investasi dan manajemen risiko. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja dua algoritma machine learning ensemble, yaitu Random Forest (RF) dan XGBoost, dalam memprediksi harga harian Ethereum. Dataset historis ETH/USD sebanyak 3.423 observasi dari periode September 2016 hingga Juli 2025 diperoleh dari platform Bitfinex. Setelah melalui tahap pra-pemrosesan data dan rekayasa fitur temporal, dataset dibagi dengan rasio 80:20 untuk pelatihan dan pengujian. Model dievaluasi menggunakan metrik Root Mean Square Error (RMSE) dan Koefisien Determinasi (R²). Hasil eksperimen menunjukkan bahwa XGBoost secara signifikan mengungguli Random Forest, dengan nilai RMSE 134.63 dan R² 0.958. Sebagai perbandingan, Random Forest menghasilkan RMSE 208.45 dan R² 0.899. Temuan ini mengindikasikan bahwa mekanisme boosting pada XGBoost lebih efektif dalam menangkap kompleksitas dan volatilitas data pasar kripto. Kata kunci: Prediksi Harga, Ethereum, Machine Learning, XGBoost, Random Forest.