Optimalisasi Keberhasilan Siswa Mu’allimin Yogyakarta dengan Aplikasi Sistem Informasi pada Pilihan Penjurusan

Supriantara Supriantara, Kusrini Kusrini, Sudarmawan Sudarmawan

Abstract


Peminatan penjurusan pada sekolah/madrasah dapat di kalsifikasikan berdasarkan hasil dari nilai akhir USBN, nilai akhir UNBK serta rekomendasi dari guru bimbingan konseling (BK). Peraturan pemerintah no. 64 tahun 2014 menyatakan bahawa siswa di kelas X dapat masuk penjurusan baik di IPA maupun IPS, dan hal ini menjadi tantangan bagi para guru khususnya yang mengajar di bidang IPA, dimana para guru harus memiliki strategi dan model pembelajaran yang dapat mendukung terciptanya proses pembelajaran yang ideal ketika siswa memasuki penjurusan di awal kelas X SMA/Madrasah. Salah satu strategi yang dilakukan adalah dengan menggunakan aplikasi sistem informasi pada pilihan penjurusan, namun penerapannya masih perlu dioptimalkan. Pendekatan yang digunakan dalam Penelitian ini menggunakan metode diskriptif kuantitatif dengan metode pengumpulan data yang didapat dari nilai raport yang difilter menggunakan aplikasi yang sudah berjalan dan nilai ujian nasional. Kemudian hasil tersebut digunakan untuk mengambil data kelas yang memiliki proses dan metode pembelajaran yang ideal. Sehingga dari hasil tersebut dapat digunakan untuk meningkatkan keberhasilan siswa-siswa dalam melakukan pembelajaran khususnya ketika berada pada program penjurusan.

 

 


Keywords


Peminatan, guru, strategi, aplikasi sistem infomasi, model dan metode belajar, dan hasil belajar

Full Text:

PDF

References


D. N. Handayani, F. N. Hakim, dan A. Solechan, “Sistem Pendukung Keputusan Untuk Pemilihan Jurusan Menggunakan Fuzzy Multiple Atribute Decision Making Dengan Metode Simple Additive Weighting Studi Kasus Pada Sma Islam Sultan Agung 1 Semarang,” J. Transform., vol. 11, no. 2, hal. 69, 2014.

dkk Rizky Ade Putranto, “Perbandingan Analisis Klasifikasi Antara Decision Tree dan Support Vector Machine Muticlass Untuk Penentu Jurusan Pada Siswa SMA,” Gausian, vol. 4, no. Data Mining, hal. 1007–1016, 2015.

Khafiizh Hastuti, “Analisis Komparasi Algoritma Klasifikasi Data Mining Untuk Prediksi Mahasiswa Non Aktif,” Semin. Nas. Teknol. Inf. Komun. Terap. 2012 (Semantik, vol. 14, no. 1, hal. 241–249, 1994.

A. Ristyawan dan B. V. Indriyono, “Penerapan Metode Simple Additive Weighting (SAW) untuk Pengambilan Keputusan Pemberian Upah Karyawan,” Semin. Nas. Teknol. Inf. dan Multimed. 2015, hal. 6–8, 2015.

D. Setiawan, “PERSPEKTIF E-LEARNING DOSEN PROGRAM STUDI SISTEM INFROMASI UNIPMA,” Res. J. Comput. Inf. Syst. &technologymanagement, vol. 1, no. 2, hal. 1–6, 2018.

D. Setiawan, I. Arifin, dan R. Ardianto, “Implementasi Pengembangan Sistem Media Pembelajaran Pengenalan Komputer,” INTENSIF, vol. 2, no. 2, hal. 127–135, Mei 2018.

Muchlis dan Taufiqurochman, “Analisa pencapaian hafalan al- qur’an dalam camptahfizh dengan algoritma c.45 dan penerapannya,” Semnastek Umj 2017, no. November, hal. 1–2, 2017.

J. Sarwono, “Pengertian Dasar Structural Equation Modeling ( Sem ),” J. Ilm. Manaj. Bisnis, vol. 10, no. 3, hal. 173–182, 2010.

D. A. Miftahul Ulum, IMade Tirta, “ANALISIS STRUCTURAL EQUATIONMODELING ( SEM ) UNTUK SAMPEL KECIL DENGAN PENDEKATAN PARTIAL LEAST SQUARE ( PLS ) ( STRUCTURALEQUATION MODELING ( SEM ) ANALYSIS FOR SMALL SAMPLE WITH PARTIAL LEAST SQUARE ) 1 Pendahuluan,” Pros. Semin. Nas. Mat. Univ. Jember, no. November, hal. 1–15, 2014.


Article Metrics

Abstract has been read : 2297 times
PDF file viewed/downloaded: 0 times


DOI: http://doi.org/10.25273/research.v2i02.5137

Refbacks

  • There are currently no refbacks.



This work by Research is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.