Peningkatan Kompetensi Guru Matematika SMP dalam Analisis Data Pembelajaran melalui Pelatihan Orange Data Mining

Ridho Suharis; Sudarwanto; Yudi Mahatma; Muhammad Rido Wujudi; Muhammad Fadhlillah Gymnastiar; Aulia Rahma

doi:10.33365/jsstcs.v7i2.2823

Ridho Suharis Universitas Negeri Jakarta
Sudarwanto Universitas Negeri Jakarta
Yudi Mahatma Universitas Negeri Jakarta
Muhammad Rido Wujudi Universitas Negeri Jakarta
Muhammad Fadhlillah Gymnastiar Universitas Negeri Jakarta
Aulia Rahma Universitas Negeri Jakarta

DOI: https://doi.org/10.33365/jsstcs.v7i2.2823

Abstrak

Pemanfaatan data hasil belajar untuk mendukung evaluasi dan pengambilan keputusan pembelajaran masih belum optimal di kalangan guru matematika SMP di Kota Depok, yang selama ini sebatas menggunakan Microsoft Excel untuk pengolahan nilai sederhana. Kondisi ini disebabkan oleh terbatasnya kompetensi guru dalam memanfaatkan perangkat lunak analisis data serta belum tersedianya pelatihan yang memberikan pengalaman praktik langsung. Kegiatan pengabdian kepada masyarakat ini bertujuan meningkatkan kompetensi 16 guru matematika SMP di Kota Depok dalam melakukan analisis data pembelajaran melalui pelatihan Orange Data Mining, perangkat lunak analisis data open-source berbasis visual dengan pendekatan drag-and-drop. Kegiatan dilaksanakan melalui sosialisasi, pelatihan, praktik langsung menggunakan sepuluh widget utama, dan pendampingan, bekerja sama dengan Dinas Pendidikan Kota Depok. Evaluasi dilakukan melalui pre-test, post-test, dan kuesioner kompetensi berskala Likert 1–5. Hasil kuesioner menunjukkan peningkatan rata-rata skor persepsi kompetensi dari 4,0885 sebelum pelatihan menjadi 4,4323 setelah pelatihan, dengan uji Paired Sample t-test menunjukkan perbedaan yang signifikan (p = 0,0001). Seluruh dua belas indikator kompetensi mengalami peningkatan, dengan kenaikan tertinggi pada kemampuan menjelaskan hasil statistik deskriptif. Hasil ini menunjukkan bahwa pelatihan berbasis praktik menggunakan Orange Data Mining efektif meningkatkan kepercayaan diri dan kompetensi guru dalam menganalisis data pembelajaran secara lebih sistematis.

Referensi

Hozairi, H., Anwari, A., & Alim, S. (2021). IMPLEMENTASI ORANGE DATA MINING UNTUK KLASIFIKASI KELULUSAN MAHASISWA DENGAN MODEL K-NEAREST NEIGHBOR, DECISION TREE SERTA NAIVE BAYES. Network Engineering Research Operation, 6(2), 133. https://doi.org/10.21107/nero.v6i2.237

Kaur, C., Tan, P. P., Nurjannah, N., & Yuniasih, R. (2025). Exploring data literacy self-perception among Indonesian high school students. PLOS ONE, 20(1), e0312306. https://doi.org/10.1371/journal.pone.0312306

Mandinach, E. B., & Gummer, E. S. (2016). What does it mean for teachers to be data literate: Laying out the skills, knowledge, and dispositions. Teaching and Teacher Education, 60, 366–376. https://doi.org/10.1016/j.tate.2016.07.011

Mandinach, E. B., & Schildkamp, K. (2021). Misconceptions about data-based decision making in education: An exploration of the literature. Studies in Educational Evaluation, 69, 100842. https://doi.org/10.1016/j.stueduc.2020.100842

Punkastyo, D. A., Septian, F., & Syaripudin, A. (2024). Implementasi Data Mining Menggunakan Algoritma Naïve Bayes Untuk Prediksi Kelulusan Siswa. Journal of System and Computer Engineering (JSCE), 5(1), 24–35. https://doi.org/10.61628/jsce.v5i1.1073

Puspa, S. D., Riyono, J., Puspitasari, F., & Pujiastuti, C. E. (2022). PENINGKATAN KETERAMPILAN GURU MELALUI PELATIHAN DASAR CODING & ANALISIS DATA STATISTIK UNTUK MENDUKUNG REVOLUSI INDUSTRI 4.0. Jurnal Abdi Masyarakat Indonesia (JAMIN), 4(2). https://doi.org/10.25105/jamin.v4i2.14132

Rahmani, D. A., Risnawati, & Hamdani, M. F. (2025). Uji T-Student Dua Sampel Saling Berpasangan/Dependend (Paired Sample t –Test). Jurnal Penelitian Ilmu Pendidikan Indonesia, 4(2), 568–576.

Ropiyah, R., Suriswo, S., & Mulyono, T. (2024). Analisis Kesiapan Guru dalam Implementasi Kurikulum Merdeka di SMK Negeri 2 Slawi. Journal of Education Research, 5(1), 408–416. https://doi.org/10.37985/jer.v5i1.838

Santoso, D. R., Yunanto, A., Affandi, A. K., & Pamungkasari, S. D. (2026). Orange Data Mining Integration Improves Database Learning Scores in High School. Indonesian Journal of Innovation Studies, 27(2). https://doi.org/10.21070/ijins.v27i2.2051

Sianturi, R. (2025). UJI NORMALITAS SEBAGAI SYARAT PENGUJIAN HIPOTESIS. JURNAL PEMBELAJARAN DAN MATEMATIKA SIGMA (JPMS), 11(1), 1–14. https://doi.org/10.36987/jpms.v11i1.7091

Yağcı, M. (2022). Educational data mining: prediction of students’ academic performance using machine learning algorithms. Smart Learning Environments, 9(1), 11. https://doi.org/10.1186/s40561-022-00192-z

Žagar, A. P. (2025, December 31). Orange Essentials: Interactive Workflows. Https://Orangedatamining.Com/. https://orangedatamining.com/blog/orange-essentials-interactive-workflows/