Tindak Lanjut_Usulan Judul Unik_Usulan Novelty: Statistik 2: Korelasi dan Regresi

Nama              : Cindy Tyas Harvina

NIM                : 250321829945

Mata Kuliah    : Metode Penelitian Kuantitatif

Tindak Lanjut-Usulan Novelty: Statistik 2: Korelasi dan Regresi

 

No	Judul Artikel	Jenis Penelitian	Desain Penelitian	Variabel yang Diukur	Instrumen Penelitian	Subjek / Sampel	Alasan Penelitian Relevan
1	Correlation-Regression Analysis as a Means of Improving the Quality and Efficiency of the Education System (European Scholar Journal, 2021)	Kuantitatif	Korelasional–Regresi	- Kualitas pembelajaran (Y) - Faktor bidang keilmuan (X)	Nilai hasil belajar mahasiswa, model regresi statistik	Mahasiswa dari beberapa mata kuliah yang dianalisis	Relevan karena menunjukkan bagaimana analisis statistik dapat mengidentifikasi faktor yang mempengaruhi kualitas pembelajaran.
2	Linear Regression Model to Predict the Use of Artificial Intelligence in Experimental Science Students (IEJME, 2025)	Kuantitatif	Survei + Analisis Regresi Linear Berganda	- Kompetensi AI (X₁) - Ketersediaan sumber daya digital (X₂) - Penggunaan AI (Y)	Kuesioner terstruktur skala Likert	459 mahasiswa pendidikan sains di UNACH, Ekuador	Relevan karena membangun model prediksi penggunaan AI dalam pembelajaran sains, selaras dengan kebutuhan era digital.
3	Using Hierarchical Multiple Regression to Model the Impact of AI-Powered Adaptive Testing on Student Academic Fortunes and Test Anxiety (Discover Education, 2025)	Kuantitatif Eksperimental	Perbandingan metode tes (AI vs tradisional) + Regresi Hirarkis	- Performa akademik (Y₁) - Kecemasan ujian (Y₂) - Metode tes adaptif (X)	Tes hasil belajar & skala kecemasan	250 siswa SMA di Ghana (stratified sampling)	Relevan karena menunjukkan efek nyata AI dalam menurunkan kecemasan dan meningkatkan hasil belajar.
4	Correlation Analysis using Teaching and Learning Analytics (Heliyon, 2021)	Studi Review + Analisis Data Survei	Teaching & Learning Analytics (TLA) + Korelasi Pearson/Spearman	- Lingkungan sekolah - Pengembangan profesional guru - Praktik pembelajaran	Kuesioner TALIS OECD	Guru & kepala sekolah (data nasional)	Relevan karena menguatkan pentingnya data analitik dalam evaluasi kualitas pembelajaran.
5	Regression-Analysis-Based Empirical Correlations to Design Regenerative Flow Machines (Energies, 2022)	Penelitian Rekayasa Eksperimental-Computational	Eksperimen + Regresi untuk membangun model desain	- Diameter impeller - Kecepatan aliran - Efisiensi mesin	Data eksperimen + simulasi CFD	Mesin aliran regeneratif (pump, blower, compressor)	Relevan karena menunjukkan bagaimana regresi dapat digunakan untuk desain sistem berbasis fluida yang berguna dalam pendidikan teknik/fisika terapan.
6	Pengaruh Penggunaan Pembelajaran Berbasis Masalah (PBL) terhadap Hasil Belajar Fisika dengan Kontrol Kesiapan Awal melalui Regresi Berganda	Kuantitatif	Quasi-Experimental / Posttest Only atau Pretest-Posttest dengan Analisis Regresi Berganda	X (Variabel Bebas): Pembelajaran Berbasis Masalah (PBL) Y (Variabel Terikat): Hasil Belajar Fisika Z (Variabel Kontrol): Kesiapan Awal (pengetahuan prasyarat, motivasi awal, dan kesiapan belajar)	- Tes Hasil Belajar Fisika (berbentuk pilihan ganda/uraian) - Angket Kesiapan Awal (skala Likert) - Lembar Implementasi PBL (observasi kesesuaian langkah PBL)	Siswa SMA kelas X/XI pada materi Fisika	Penelitian ini relevan karena PBL diyakini mampu meningkatkan kemampuan berpikir kritis dan pemahaman konsep fisika. Namun, keberhasilan PBL sering dipengaruhi oleh kesiapan awal siswa, sehingga pengukuran efek PBL harus mengontrol variabel tersebut. Regresi berganda digunakan untuk memastikan pengaruh PBL terhadap hasil belajar benar-benar murni, bukan karena perbedaan kemampuan awal siswa. Dengan demikian, penelitian ini memberikan analisis yang lebih tepat, akurat, dan realistis dalam konteks pembelajaran Fisika SMA.

 

Judul yang diajukan: “Pengaruh Penggunaan Pembelajaran Berbasis Masalah (PBL) terhadap Hasil Belajar Fisika dengan Kontrol Kesiapan Awal melalui Regresi Berganda.”

Alasan:

Judul ini dipilih karena pembelajaran Fisika di SMA sering menuntut siswa untuk tidak hanya menghafal rumus, tetapi juga mengembangkan kemampuan berpikir kritis dalam memahami fenomena nyata. Model Pembelajaran Berbasis Masalah (PBL) secara teoritis cocok untuk Fisika, karena memberikan kesempatan kepada siswa untuk menganalisis masalah kontekstual, melakukan investigasi, dan menarik kesimpulan berdasarkan pemahaman konsep. Namun, keberhasilan PBL tidak hanya bergantung pada model pembelajarannya, tetapi juga kesiapan awal siswa, seperti kemampuan dasar, motivasi, dan pengetahuan prasyarat. Oleh karena itu, penelitian ini menggunakan regresi berganda untuk melihat pengaruh PBL terhadap hasil belajar dengan mengontrol variabel kesiapan awal, sehingga hasil penelitian lebih akurat dan tidak bias. Kebaruan (novelty) penelitian ini terletak pada integrasi kontrol kesiapan awal dalam analisis statistik, berbeda dengan lima penelitian sebelumnya: Artikel pertama hanya menganalisis kualitas pembelajaran secara umum, artikel kedua memprediksi penggunaan AI tanpa fokus terhadap model pembelajaran tertentu, artikel ketiga mengukur dampak AI adaptif terhadap kecemasan dan hasil tanpa memperhitungkan kesiapan awal, artikel keempat hanya meninjau korelasi lingkungan pendidikan, dan artikel kelima berfokus pada regresi dalam desain mesin fluida, bukan pendidikan. Dengan demikian, penelitian ini menawarkan pendekatan baru yang lebih kontekstual, tepat sasaran, dan relevan untuk pembelajaran Fisika SMA, karena tidak hanya melihat efek PBL semata, tetapi juga mempertimbangkan variabel moderasi penting yang sebelumnya luput dianalisis.

Daftar Pustaka:

Sattarov, M., & Rakhmonov, A. (2021). Correlation-regression analysis as a means of improving the quality and efficiency of the education system in higher education. European Scholar Journal, 2(1), 5–9. https://doi.org/10.5281/zenodo.4769736

Cabascango, R., Villegas, G., & Llumiguano, C. (2025). Linear regression model to predict the use of artificial intelligence in experimental science students. International Electronic Journal of Mathematics Education, 20(1), 1–14. https://doi.org/10.29333/iejme/15736

Owusu, G., & Boateng, E. (2025). Using hierarchical multiple regression to model the impact of AI-powered adaptive testing on student academic fortunes and test anxiety. Discover Education, 4(12), 1–18. https://doi.org/10.1007/s44217-025-00524-4

Almalki, A. (2021). Correlation analysis using teaching and learning analytics. Heliyon, 7(11), e08439. https://doi.org/10.1016/j.heliyon.2021.e08439

Martinez, J., Suh, J., & Ahmed, K. (2022). Regression-analysis-based empirical correlations to design regenerative flow machines. Energies, 15(3861), 1–16. https://doi.org/10.3390/en15103861