Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Journal of Authentic Research on Mathematics Eduacation (JARME)
Hairul Saleh
Unknown Affiliation
Education Mathematics Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
DESAIN PEMBELAJARAN HIMPUNAN MELALUI PERANCANGAN HYPOTHETICAL LEARNING TRAJECTORY MENGGUNAKAN PENDEKATAN MATEMATIKA REALISTIK Sukirwan Sukirwan; Putri Ramadhani Fitri; Warsito Warsito; Hairul Saleh
Journal of Authentic Research on Mathematics Education (JARME) Vol 4, No 1 (2022)
Publisher : Program Studi Magister Pendidikan Matematika, Universitas Siliwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37058/jarme.v4i1.3675

Abstract

Penelitian ini bertujuan untuk mendesain pembelajaran himpunan melalui perancangan hipotesis lintasan belajar. Penelitian ini menggunakan metode penelitian desain, yang meliputi tahapan: studi pendahuluan, eksperimen pengajaran, dan analisis retrospektif. Penelitian diawali dengan analisis situasi problematik, studi historis, serta analisis pengalaman guru mengajarkan materi himpunan hingga terbentuk hipotesis lintasan belajar awal. Rancangan pembelajaran disusun berdasarkan hipotesis lintasan belajar awal yang kemudian diujicobakan melalui 2 tahapan, yaitu: pengajaran pendahuluan, dan eksperimen pengajaran. Analisis retrospektif dilakukan pada masing-masing tahapan tersebut dengan membandingkan antara hipotesis lintasan belajar awal dengan lintasan belajar aktual hingga diperoleh hipotesis lintasan belajar final. Penelitian ini dilaksanakan mulai tanggal 5 Agustus-10 Desember 2021 dengan melibatkan 20 siswa SMP Madinatul Hadid kelas VII B pada tahap pengajaran pendahuluan dan 20 siswa SMP Madinatul Hadid kelas VII A pada tahap eksperimen pengajaran. Hasil penelitian menunjukkan bahwa siswa dapat melalui hipotesis lintasan belajar melalui konteks survey jajanan sekolah, yang terdiri dari aktivitas: mendaftar objek jajanan di kantin sekolah (masalah kontekstual), mengelompokkan objek berdasarkan karakteristik/sifat objek yang identik (pemodelan), membuat relasi dua himpunan berdasarkan objek (anggota himpunan) yang sama (membangun pengetahuan), menggunakan notasi formal irisan dan gabungan (matematika formal). 
BIPLOT DENGAN DEKOMPOSISI NILAI SINGULAR BIASA DAN KEKAR UNTUK PEMETAAN PROVINSI BERDASARKAN PRESTASI MAHASISWA Warsito Warsito; Hairul Saleh
Journal of Authentic Research on Mathematics Education (JARME) Vol 5, No 1 (2023)
Publisher : Program Studi Magister Pendidikan Matematika, Universitas Siliwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37058/jarme.v5i1.6004

Abstract

Biplot analysis can be constructed from  an ordinary and robust Singular Value Decomposition (SVD) approach.  A SVD approach ordinary need data matrix that no outliers or extreme data.  If a outliers data is found in this research, ordinary SVD biplot will not able to assure the mapping illustration between observation object and variable. To solve this problem, approaching method to robust SVD is applied.  The couple of  ordinary and robust SVD’ eigenvalue couple and eigenvector have distance minimizing feature among data matrix and estimation matrix with  Euclid norm or L2 norm and city block distance or L1 norm.  Biplot analysis which is based on  robust SVD method can give illustrations to a outliers resist observation object and variable.  The boxplot of the achievement of TPB IPB show that the data has outliers.  Robust and ordinary SVD to data matrix based biplot analysis shows the data graph and structure is almost identic.  It implies that outliers has no effect to data structure alteration.  A couple of extreme datas are given to the data matrix and then anlysised using ordinary and robust SVD. Ordinary SVD biplot result is far more different from data matrix biplot without extreme data, in the other hand robust SVD biplot shows small data structure which means it is not influenced by extreme data..
Co-Authors Putri Ramadhani Fitri Sukirwan Sukirwan Warsito Warsito Warsito Warsito