Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pandemi covid-19 telah berdampak terhadap program pendidikan keperawatan dimana praktik laboratorium tidak direalisasikan secara optimal. Hal ini penting dilakukan evaluasi untuk melihat kualitas pembelajaran yang telah dilakukan. Hasil evaluasi mempengaruhi kesiapan praktik klinik. Desain penelitian menggunakan kuantitatif dengan pendekatan cross sectional yang bertujuan untuk mengidentifikasi gambaran dan hubungan evaluasi pembelajaran praktikum daring dan kesiapan praktik klinik mahasiswa profesi Ners. Penelitian dilakukan dengan 326 sampel, diambil menggunakan quota sampling. Evaluasi pembelajaran praktikum daring diukur dengan menggunakan Evaluation Instruments and Good Practices in Online Educator menurut Chikering dan Gansom (1987) dan kesiapan praktik klinik diukur berdasarkan teori Slameto (2020) dan Casey et al (2011). Hasil analisis didapatkan adalah pembelajaran praktikum daring yang dinilai baik oleh mahasiswa berpengaruh terhadap kesiapan mahasiswa (p 0.001 α 0.05). Penelitian ini merekomendasikan institusi untuk melakukan interaksi dengan mahasiswa secara efektif dan merencanakan kurikulum yang lebih baik lagi agar pembelajaran dengan metode daring sesuai dengan tujuan instruksional. Dalam mencapai kesiapan yang baik, diharapkan institusi dapat melaksanakan program dengan lingkungan belajar yang tepat sehingga mahasiswa mampu menunjang kemampuannya secara kognitif, afektif, dan psikomotor. Serta hasil penelitian ini direkomendasikan mahasiswa terus belajar dalam meningkatkan kompetensinya sehingga dapat menghasilkan perawat yang berprofessional.

---

The COVID-19 pandemic has had an impact on nursing education programs where laboratory practices are not realized optimally. It is important to do an evaluation to see the quality of the learning that has been done. The evaluation results affect the readiness of clinical practice. The research design uses a quantitative approach with a cross sectional approach, which aims to identify the description and relationship between online practicum learning evaluation and clinical practice readiness for nursing professional students. The study was conducted with 326 samples, taken using quota sampling. Evaluation of online practicum learning was measured using Evaluation Instruments and Good Practices in Online Educator according to Chikering and Gansom (1987) and clinical practice readiness was measured based on the theory of Slameto (2020) and Casey et al (2011). The results of the analysis showed that online practicum learning which was considered good by students had an effect on student readiness (p 0.001 0.05). This study recommends institutions to interact with students effectively and plan a better curriculum so that online learning is in line with instructional objectives. In achieving good readiness, it is hoped that the institution can implement programs with the right learning environment so that students are able to support their cognitive, affective, and psychomotor abilities. As well as the results of this study, it is recommended that students continue to learn in improving their competence so that they can produce professional nurses."

"Pandemi Covid-19 memberikan perubahan besar pada bidang Pendidikan. Perubahan tersebut adalah proses pembelajaran berubah menjadi pembelajaran dalam jaringan (daring). Dalam melaksanakan pembelajaran daring, mahasiswa Universitas Indonesia (UI) menggunakan sistem E-learning Management Systems (EMAS). Perubahan proses pembelajaran memberikan kekhawatiran terhadap kinerja mahasiswa dalam mengikuti pembelajaraan daring. Kinerja mahasiswa dapat diprediksi menggunakan salah satu metode pada Machine Learning, yaitu Random Forest. Metode Random Forest membuat sekumpulan Decision Tree dan menggabungkan pohon (tree) yang dibangun menjadi hutan (forest). Random Forest menggunakan hasil prediksi dari setiap Decision Tree, kemudian dipilih hasil prediksi terbanyak (majority vote) sebagai hasil akhir. Dalam skripsi ini, data yang digunakan adalah data rekapitulasi aktivitas mahasiswa menggunakan EMAS. Data dipisahkan menjadi dua data berdasarkan periode masa pembelajaran mata kuliah daring X. Pada periode 1 digunakan data dari minggu ke-1 hingga ke-4, sedangkan periode 2 data dari minggu ke-1 hingga ke-8. Model Random Forest terbaik didapatkan berdasarkan nilai G-Mean tertinggi. Nilai G-Mean menunjukkan keseimbangan antara kinerja klasifikasi pada data kelas mayoritas maupun minoritas. Hasil terbaik dalam memprediksi kinerja mahasiswa dengan model Random Forest adalah data periode 1 dengan nilai G-Mean tertinggi sebesar 0,9888. Periode waktu terbaik dalam memprediksi kinerja mahasiswa dilakukan pada empat minggu pertama masa pembelajaran mata kuliah daring X.

---

The Covid-19 pandemic has brought major changes to the education sector. The change is that the learning process turns into online learning. In carrying out online learning, University of Indonesia (UI) students use the E-learning Management Systems (EMAS) system. Changes in the learning process raise concerns about student performance in participating in online learning. Student performance can be predicted using one of the methods in Machine Learning, namely Random Forest. The Random Forest method creates a set of Decision Trees and combines the trees that were built into a forest. Random Forest uses the predicted results from each Decision Tree, then chooses the most prediction results (majority vote) as the final result. In this study, the data used is a data recapitulation of student activities using EMAS. The data are separated into two data based on the learning period of the online course X. In period 1, data from the 1st to 4th week is used, while the 2nd period of data is from the 1st to the 8th week. The best Random Forest model was obtained based on the highest G-Mean value. The G-Mean value shows the balance between classification performance on the majority and minority class data. The best result in predicting student performance with the Random Forest model is period 1 data with the highest G-Mean value of 0.9888. The best time period for predicting student performance is in the first four weeks of the online course X."