Sebelumnya : Bagian 4 : Mendampingi Calon Guru Pengalaman mengikuti Lesson Study dan mengkaji DDR seolah mengobati keinginan saya untuk bertemu dan menimba ilmu langsung dari guru matematika yang baik. Pengalaman itu menanamkan jalinan utuh dari seperangkat kriteria yang penting
Di Balik Pembelajaran Matematika yang Baik – Bagian 4 : Mendampingi Calon Guru (oleh Endang Mulyana)
Sebelumnya : Bagian 3 : Mendampingi Guru Selain mendampingi guru, saya pun membimbing penelitian mahasiswa yang menggunakan metode DDR. Saat itu saya mengarahkan mahasiswa untuk merancang pembelajaran berdasarkan analisis learning trajectory. Akan tetapi, hambatannya adalah rendahnya penguasaan mahasiswa tentang konsep
Di Balik Pembelajaran Matematika yang Baik – Bagian 3 : Mendampingi Guru (oleh Endang Mulyana)
Sebelumnya : Bagian 2 : Repersonalisasi Matematika Mendampingi Guru Saya mulai terlibat dalam DDR bersama Pa Didi dan Pa Tatang ketika mereka berkolaborasi dengan guru matematika SD Gagas Ceria di tahun 2012. Kami bertiga membahas faktor apa yang mendasari perubahan
Di Balik Pembelajaran Matematika yang Baik – Bagian 2 : Repersonalisasi Matematika (oleh Endang Mulyana)
Sebelumnya : Bagian 1 : Konsepsi Pembelajaran Repersonalisasi Matematika Ketika kita akan merancang suatu pembelajaran, gambaran pembelajaran yang diinginkan harus ada dalam pikiran kita masing-masing. Akan tetapi itu bukanlah perkara mudah. Kita perlu konsepsi tentang bagaimana melibatkan semua siswa, memberikan
Cara Memodifikasi Soal Matematika
Oleh: Al Jupri Pertanyaan: Bagaimana sih cara memodifikasi soal matematika itu? Kata “modifikasi” dalam Kamus Besar Bahasa Indonesia bermakna “pengubahan” atau “perubahan”. Biasanya bila kita memodifikasi “sesuatu”, maka tindakan ini dapat diartikan sebagai aktivitas mengubah “sesuatu” itu menjadi “sesuatu yang
Penerapan Prosedur Lachenbruch pada Kasus Quadratic Discriminant Analysis (oleh Dewi Rachmatin dan Kania Sawitri)
Telah disajikan pada Seminar Nasional Matematika dan Pendidikan Matematika Jurusan Pendidikan Matematika FPMIPA UPI Tahun 2009 Abstrak Hasil-hasil penelitian tentang Linear Discriminant Analysis (LDA) maupun Quadratic Discriminant Analysis (QDA) kebanyakan menggunakan metode Apparent Error Rate (APER) dalam mengevaluasi aturan pengelompokkan
Pengklasteran Data Dengan Menggunakan Divisive Analysis Method (Diana) (oleh : Chandra Gunawan, Dewi Rachmatin, dan Maman Suherman)
Telah diseminarkan pada Seminar Matematika UNISBA Tahun 2014 Abstrak Analisis Klaster merupakan analisis pengelompokan data yang mengelompokkan data berdasarkan informasi yang ditentukan pada data. Tujuan dari analisis klaster adalah agar objek-objek di dalam satu kelompok memiliki kesamaan satu sama lain
Perbandingan antara Metode Agglomeratif, Metode Divisif, dan Metode K-Means dalam Analisis Klaster (oleh Dewi Rachmatin dan Kania Sawitri)
Telah diseminarkan pada Seminar Nasional Matematika UNPAR Tahun 2014 Abstrak Proses pengelompokan data dalam analisis klaster dapat dilakukan dengan dua metode yaitu: metode hirarki dan metode non-hirarki. Metode hirarki (hierarchical methods) adalah metode pengklasteran yang membentuk konstruksi hirarki berdasarkan tingkatan
Aplikasi Metode Weighted Principal Component Analysis (WPCA) dengan Software S-PLUS2000 (oleh Dewi Rachmatin)
Telah dimuat pada Jurnal Penelitian Sains UNSRI Vol.17, No.2, Mei 2015 Dewi Rachmatin Departemen Pendidikan Matematika FPMIPA UPI dewirachmatin@upi.edu Intisari : Sebuah metode baru untuk mereduksi ruang berdimensi tinggi yang dikembangkan dari metode PCA yaitu Weighted Principal Component Analysis
Aplikasi Metode-Metode Agglomerative dalam Analisis Klaster pada Data Tingkat Polusi Udara (oleh Dewi Rachmatin)
Telah dimuat di Jurnal Infinity STKIP Siliwangi Bandung Vol 3, No.2, September 2014 oleh : Dewi Rachmatin (dewirachmatin@upi.edu) Jurusan Pendidikan Matematika FPMIPA UPI Abstrak Analisis Klaster merupakan analisis pengelompokkan data yang mengelompokkan data berdasarkan informasi yang ditemukan pada data. Tujuan