Penggunaan Machine Learning untuk Mengidentifikasi Faktor-faktor yang Mempengaruhi Kemampuan Penalaran Matematis

Abstrak

Rendahnya kemampuan penalaran matematis peserta didik sangat dipengaruhi oleh berbagai faktor baik itu faktor internal maupun faktor eksternal. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi terhadap kemampuan penalaran matematis peserta didik secara signifikan dan membuat model prediksi dari faktor-faktor yang teridentifikasi. Penelitian ini merupakan penelitian deskriptif kuantitatif dengan teknik analisis menggunakan Machine learning software RapidMiner. Sample dalam penelitian ini yaitu peserta didik kelas XI di SMAN 9 Tangerang Selatan sebanyak 207 responden. Data yang terkumpul dari sample dibagi menjadi data training sebagai data uji coba dan data testing sebagai data untuk menguji hipotesis. Instrumen yang digunakan berupa kuesioner terkait faktor-faktor belajar dan instrumen tes berupa butir soal uraian dengan indikator kemampuan penalaran matematis. Hasil penelitian menunjukkan bahwa, dengan menggunakan analisis chi square ditunjukkan faktor yang paling signifikan mempengaruhi kemampuan penalaran adalah kemandirian belajar. Pada analisis data training perbandingan kinerja model algoritma yang paling baik kinerjanya adalah decision tree dengan nilai akurasi sebesar 81,93%, sehingga model ini dapat digunakan dalam memprediksi data testing untuk mengetahui keakuratan antara data aktual dengan data prediksi. Selanjutnya, dengan menggunakan data testing, nilai akurasi model algoritma decision tree menjadi 78,05%, sehingga terjadi overfitting sebesar 3,88%. Namun, overfitting tersebut tidak memiliki perbedaan yang signifikan artinya kemungkinan besar belum menunjukkan overfitting yang parah. Jadi, kesimpulannya model algoritma decision tree ini cukup baik digunakan untuk menentukan faktor yang mempengaruhi kepada kemampuan penalaran matematis secara signifikan.