Implementation of Simple Linear Regression for Predicting of Students’ Academic Performance in Mathematics
Abstract
Predicting student academic performance is an interesting thing to research. Student academic performance can be used to determine the level of student mastery of the subject matter that has been delivered. This research uses academic and personal data of secondary students on mathematics subject scores in Portugal with 395 data records. The purpose of this research is to study how linear regression is applied in order to determine the predictive results of students' academic performance. Prediction evaluation is done by calculating attribute correlation with class, Root Mean Squared Error (RMSE), and Mean Absolute Percentage Error (MAPE). The results of this research test the accuracy obtained linearly with correlation results, namely class failure (d) has the smallest RMSE and MAPE with an RMSE value of 1.148 and a MAPE of 9.82% of students' academic performance in mathematics. The results of the data analysis show that the failure variable has a positive effect on G3, where the probability value of the F test, the significance value for the simultaneous failure effect on G3 is 0.006 <0.05 and from the analysis of the coefficient of determination it is known that the failures variable is significant to the dependent variable with a large influence 63,8 % (model 2).
Memprediksi prestasi akademik mahasiswa merupakan hal yang menarik untuk diteliti. Prestasi akademik siswa dapat digunakan untuk mengetahui tingkat penguasaan siswa terhadap materi pelajaran yang telah disampaikan. Penelitian ini menggunakan data akademik dan data pribadi siswa sekolah menengah pada nilai mata pelajaran matematika di Portugal dengan 395 data record. Tujuan dari penelitian ini adalah untuk mempelajari bagaimana regresi linier diterapkan untuk menentukan hasil prediksi prestasi akademik siswa. Evaluasi prediksi dilakukan dengan menghitung korelasi atribut dengan kelas, Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil penelitian ini menguji akurasi yang diperoleh secara linier dengan hasil korelasi yaitu kelas gagal (d) memiliki RMSE dan MAPE terkecil dengan nilai RMSE sebesar 1,148 dan MAPE sebesar 9,82% terhadap prestasi akademik siswa dalam matematika. Hasil analisis data menunjukkan bahwa variabel kegagalan berpengaruh positif terhadap G3, dimana nilai probabilitas dari uji F nilai signifikansi pengaruh kegagalan simultan terhadap G3 adalah 0,006 < 0,05 dan dari analisis koefisien determinasi diketahui bahwa variabel failuers signifikan terhadap variabel dependen dengan besar pengaruh 63,8 % (model 2).
Keywords
Full Text:
PDFReferences
Almumtazah, N., Azizah, N., Putri, Y. L., & Novitasari, D. C. R. (2021). Prediksi Jumlah Mahasiswa Baru Menggunakan Metode Regresi Linier Sederhana. Jurnal Ilmiah Matematika dan Terapan, 18(1), 31–40.
Annes, A., & Redlin, M. (2013). Conceptual and Spatial Migrations: Rural Gay Men’s Quest for Identity. Lexington Books.
Aprilyanti, S. (2017). Pengaruh usia dan masa kerja terhadap produktivitas kerja (Studi kasus: PT. Oasis Water International Cabang Palembang). Jurnal Sistem Dan Manajemen Industri, 1(2), 68–72.
Aulia, N. N. (2021). Analisa Hasil Prediksi Minyak Sayur dengan Regresi Linier dari Machine Learning Phyton dan R (Studi Kasus: Data Kaggle). Universitas Islam Lamongan.
Auliya, N. N. F. (2019). Etnomatematika Kaligrafi Sebagai Sumber Belajar Matematika Di Madrasah Ibtidaiyah. Jurnal Pendidikan Matematika (Kudus), 1(2). doi: 10.21043/jpm.v1i2.4879
Ayudhitama, A. P., & Pujianto, U. (2020). Analisa 4 Algoritma Dalam Klasifikasi Liver Menggunakan Rapidminer. Jurnal Informatika Polinema, 6(2), 1–9.
Baihaqi, W. M., Dianingrum, M., & Ramadhan, K. A. N. (2019). Regresi Linier Sederhana Untuk Memprediksi Kunjungan Pasien di Rumah Sakit Berdasarkan Jenis Layanan dan Umur Pasien. Simetris: Jurnal Teknik Mesin, Elektro Dan Ilmu Komputer, 10 (2), 671–680.
Bengnga, A., & Ishak, R. (2018). Prediksi Jumlah Mahasiswa Registrasi Per Semester Menggunakan Linier Regresi Pada Universitas Ichsan Gorontalo. ILKOM Jurnal Ilmiah, 10 (2), 136–143.
Bertan, C. V., Dundu, A. K. T., & Mandagi, R. J. M. (2016). Pengaruh pendayagunaan sumber daya manusia (Tenaga Kerja) terhadap hasil pekerjaan (studi kasus Perumahan Taman Mapanget Raya (TAMARA)). Jurnal Sipil Statik, 4(1).
Bhakti, Y. S., Kusdinar, A. B., & Sunarto, A. A. (2020). Model Peramalan Penerimaan Calon Mahasiswa Menggunakan Metode Regresi. Progresif: Jurnal Ilmiah Komputer, 16 (2), 113–120.
Bhoke, W. (2020). Pengembangan Lembar Kerja Siswa Berbasis Karakter dengan Model Realistic Mathematics Education pada Materi Segiempat. Jurnal Pendidikan Matematika (Kudus), 3(1), 58. doi: 10.21043/jpm.v3i1.6973
Damayanti, D. D. (2021). Analisis Trafik Pengguna XL Axiata Jakarta Selama Pandemi Covid-19 dengan Menggunakan Metode Regresi Linier. Journal of Applied Computer Science and Technology, 2 (1), 24–32.
Farizal, F., Rachman, A., & Rasyid, H. Al. (2014). Model Peramalan Konsumsi Bahan Bakar Jenis Premium di Indonesia dengan Regresi Linier Berganda.
Herlina, V. (2019). Panduan praktis mengolah data kuesioner menggunakan SPSS. Elex Media Komputindo.
Imtiyaz, H. (2017). Sistem pendukung keputusan budidaya tanaman cabai berdasarkan prediksi curah hujan. Universitas Brawijaya.
Izzaty, R. E., Ayriza, Y., & Setiawati, F. A. (2017). Prediktor prestasi belajar siswa kelas 1 sekolah dasar. Jurnal Psikologi, 44 (2), 153–164.
Jayanti, H. Y. (2020). Peramalan pendapatan reksa dana dalam setahun menggunakan metode regresi linier sederhana. Jurnal Teknologi Informasi Dan Komunikasi, 8(2).
Katemba, P., & Djoh, R. K. (2017). Prediksi Tingkat Produksi Kopi Menggunakan Regresi Linear. Jurnal Ilmiah FLASH, 3 (1), 42–51.
Lawrence, A. S., & Vimala, A. (2012). School Environment and Academic Achievement of Standard IX Students. Online Submission, 2 (3), 210–215.
Malasari, P. N., Herman, T., & Jupri, A. (2019). Kontribusi Habits of Mind Terhadap Kemampuan Literasi Matematis Siswa pada Materi Geometri. Jurnal Pendidikan Matematika (Kudus), 2(2), 153-164. doi: 10.21043/jpm.v2i2.6361
Martsiswati, E., & Suryono, Y. (2014). Peran orang tua dan pendidik dalam menerapkan perilaku disiplin terhadap anak usia dini. JPPM (Jurnal Pendidikan Dan Pemberdayaan Masyarakat), 1 (2), 187–198.
Masruroh, M. (2020). Perbandingan Metode Regresi Linear dan Neural Network Backpropagation dalam Prediksi Nilai Ujian Nasional Siswa Smp Menggunakan Software R. Joutica, 5 (1), 331–336.
Masruroh, M., & Mauladi, K. F. (2020). Penerapan Metode Regresi Linear Berganda dalam Sistem Prediksi Nilai Ujian Nasional Siswa SMP. Jurnal Teknika, 12 (1), 1–6.
McFee, B., Kim, J. W., Cartwright, M., Salamon, J., Bittner, R. M., & Bello, J. P. (2018). Open-source practices for music signal processing research: Recommendations for transparent, sustainable, and reproducible audio research. IEEE Signal Processing Magazine, 36 (1), 128–137.
Mulyahati, I. L. (2020). Implementasi Machine Learning Prediksi Harga Sewa Apartemen Menggunakan Algoritma Random Forest Melalui Framework Website Flask Python (Studi Kasus: Apartemen di DKI Jakarta Pada Website mamikos. com).
Mulyani, E. D. S., Mulady, F., Ramadhan, D., Ariyantono, A., Ramdani, D., Wahyundana, R., & Gilang, M. (2020). Estimasi Harga Jual Mobil Bekas Menggunakan Metode Regresi Linier Berganda. E-JURNAL JUSITI: Jurnal Sistem Informasi Dan Teknologi Informasi, 9 (1), 1–8.
Muttaqin, Z., & Srihartini, E. (2022). Penerapan Metode Regresi Linear Sederhana untuk Prediksi Persediaan Obat Jenis Tablet. JSiI (Jurnal Sistem Informasi), 9 (1), 12–16.
Nafi’iyah, N. (2015). Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner. Jurnal Ilmiah Teknologi Informasi Asia, 9 (2), 49–55.
Novianty, D., dias Palasara, N., & Qomaruddin, M. (n.d.). (2021). Algoritma Regresi Linear pada Prediksi Permohonan Paten yang Terdaftar di Indonesia. JUSTIN (Jurnal Sistem Dan Teknologi Informasi), 9 (2), 81–85.
Pohan, D. A., Halmidar, M., & Irmayanti, I. (2022). Penerapan Data Mining untuk Prediksi Penjualan Produk Sepatu Terlaris Menggunakan Metode Regresi Linier Sederhana. InfoTekJar: Jurnal Nasional Informatika Dan Teknologi Jaringan, 6 (2).
Rahmawati, D., Kristanto, T., Pratama, B. F. S., & Abiansa, D. B. (2022). Prediksi Pelaku Perjalanan Luar Negeri di Masa Pandemi COVID-19 menggunakan Metode Regresi Linier Sederhana. Journal of Information System Research (JOSH), 3 (3), 338–343.
Richardo, R. (2020). Pembelajaran Matematika Melalui Konteks Islam Nusantara: Sebuah Kajian Etnomatematika di Indonesia. Jurnal Pendidikan Matematika (Kudus), 3(1), 86. doi: 10.21043/jpm.v3i1.6998
Setyoningrum, N. R., & Rahimma, P. J. (2022). Implementasi Algoritma Regresi Linear dalam Sistem Prediksi Pendaftar Mahasiswa Baru Sekolah Tinggi Teknologi Indonesia Tanjungpinang. Prosiding Seminar Nasional Ilmu Sosial dan Teknologi (SNISTEK), (4), 13–18.
Simbolon, C. E. (2021). Penerapan Algoritma Regresi Linier Sederhana Dalam Memprediksi Keuntungan dan Kerugian Kelapa Sawit Pt. Sri Ulina Ersada Karina. Journal of Information System Research (JOSH), 2 (2), 169–172.
Taskiyah, A. N., & Widyastuti, W. (2021). Etnomatematika dan Menumbuhkan Karakter Cinta Tanah Air pada Permainan Engklek. Jurnal Pendidikan Matematika (Kudus), 4(1), 81. doi: 10.21043/jmtk.v4i1.10342
DOI: http://dx.doi.org/10.21043/jpmk.v5i1.14430
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution 4.0 International License.
Editorial and Administration Office:
Jurnal Pendidikan Matematika (Kudus)
Tadris Matematika, Tarbiyah Faculty, Institut Agama Islam Negeri Kudus
Jl. Conge Ngembalrejo Po Box 51, Kudus, Jawa Tengah, Indonesia, Kode Pos: 59322
Email: jpm@iainkudus.ac.id