Analisis Kesalahan Mahasiswa dalam Menyusun Flowchart Metode Posisi Palsu Berdasarkan Teori Rittle-Johnson dan Alibali
DOI:
https://doi.org/10.46918/equals.v8i2.3015Kata Kunci:
Error analysis, Conceptual knowledge, Procedural knowledge, FlowchartAbstrak
Penelitian ini bertujuan mendeskripsikan kesalahan mahasiswa dalam menerapkan algoritma Metode Posisi Palsu menggunakan bahasa pemrograman PHP melalui pendekatan Computational Thinking–Error Analysis Framework (CT–EAF). Desain penelitian yang digunakan adalah deskriptif kualitatif dengan menganalisis tugas akhir mahasiswa yang terdiri atas dokumentasi algoritma dan kode yang dapat dieksekusi. Analisis meliputi reduksi data, klasifikasi kesalahan, serta interpretasi berdasarkan dimensi computational thinking dan kategori kesalahan matematika.
Temuan penelitian menunjukkan bahwa mahasiswa mengalami berbagai kesulitan dalam menerjemahkan konsep matematika ke dalam struktur komputasi dan dalam mengevaluasi ketepatan hasil iterasi. Sebagian besar kesalahan terkait dengan tantangan dalam mengabstraksikan rumus matematika Metode Posisi Palsu ke dalam logika program, serta keterbatasan refleksi dan debugging terhadap hasil komputasi. Kesalahan dalam abstraksi terutama meliputi penggunaan operator yang tidak tepat, kesalahan tanda kurung, atau penerjemahan rumus Metode Posisi Palsu yang keliru, sementara kesalahan evaluasi berkaitan dengan pengabaian kriteria konvergensi numerik ∣f(c)∣ < ε atau |Δc| < ε.
Integrasi CT–EAF memberikan perspektif yang komprehensif mengenai hubungan antara proses berpikir algoritmik mahasiswa dan jenis kesalahan konseptual serta prosedural yang mereka lakukan. Penelitian ini menegaskan pentingnya penguatan computational thinking dan literasi algoritmik dalam pembelajaran metode numerik. Pendekatan CT–EAF berfungsi sebagai kerangka yang efektif untuk memandu mahasiswa menghubungkan konsep matematika dengan logika komputasi, sehingga mendorong proses pembelajaran yang menekankan pemahaman konseptual dan penalaran algoritmik, bukan sekadar menghasilkan output komputasional.
Unduhan
Referensi
Araujo, A. L., Oliveira, E. A., & Ramos, R. (2022). Integrating computational thinking into numerical methods: Effects on engineering students’ learning. Computer Applications in Engineering Education, 30(3), 875–890. https://doi.org/10.1002/cae.22562
Atkinson, K. E., & Han, W. (2009). Elementary Numerical Analysis: A Unified Approach (3rd ed.). John Wiley & Sons.
Burden, R. L., Faires, J. D., & Burden, A. M. (2016). Numerical Analysis (10th ed.). Cengage Learning.
Chapra, S. C., & Canale, R. P. (2015). Numerical Methods for Engineers (7th ed.). McGraw-Hill Education.
Cohen, L., Manion, L., & Morrison, K. (2018). Research Methods in Education (8th ed.). Routledge.
Creswell, J. W., & Poth, C. N. (2018). Qualitative Inquiry and Research Design: Choosing among Five Approaches (4th ed.). SAGE Publications.
Dorner, C., Lichtenberger, T., & Fritzlar, T. (2025). Revealing the nature of mathematical procedural knowledge: The role of explicit error correction. International Journal of Mathematical Education in Science and Technology. https://doi.org/10.1080/0020739X.2024.2445666
Fitriyani, F., Suriyah, S., & Rochmah, L. (2023). Developing computational thinking through algorithmic problem-solving in numerical methods learning. International Journal of Emerging Technologies in Learning (IJET), 18(3), 120–134. https://doi.org/10.3991/ijet.v18i03.39205
Hurrell, D. (2021). Conceptual and procedural knowledge in mathematics: The role of teachers. Australian Journal of Teacher Education, 46(1), 34–50. https://doi.org/10.14221/ajte.2021v46n1.3
Mardapi, D. (2017). Pengukuran, Penilaian, dan Evaluasi Pendidikan. Parama Publishing.
Mhlolo, M. K. (2018). Students’ mathematical errors and misconceptions in higher education: A systematic review. Journal of Education and Practice, 9(32), 15–22.
Miles, M. B., Huberman, A. M., & Saldaña, J. (2014). Qualitative Data Analysis: A Methods Sourcebook (3rd ed.). SAGE Publications.
Nurafni, R., & Suyitno, A. (2022). Profil kemampuan algoritmik mahasiswa pada pembelajaran metode numerik berbasis pemrograman. Jurnal Riset Pendidikan Matematika, 9(2), 132–145.
Rittle-Johnson, B., & Alibali, M. W. (1999). Conceptual and procedural knowledge of mathematics: Does one lead to the other? Journal of Educational Psychology, 91(1), 175–189. https://doi.org/10.1037/0022-0663.91.1.175
Rittle-Johnson, B., & Schneider, M. (2015). Developing conceptual and procedural knowledge of mathematics. In R. Cohen Kadosh & A. Dowker (Eds.), Oxford Handbook of Numerical Cognition (pp. 1102–1118). Oxford University Press. https://doi.org/10.1093/oxfordhb/9780199642342.013.014
Rittle-Johnson, B., Siegler, R. S., & Alibali, M. W. (2001). Developing conceptual understanding and procedural skill in mathematics: An iterative process. Journal of Educational Psychology, 93(2), 346–362. https://doi.org/10.1037/0022-0663.93.2.346
Shute, V. J., Sun, C., & Asbell-Clarke, J. (2017). Demystifying Computational Thinking. Educational Research Review, 22, 74–100.
Sutamrin, S., & Khadijah, K. (2021). Analisis Kemampuan Berpikir Kritis dalam Project Based Learning Aljabar Elementer. EQUALS: Jurnal Ilmiah Pendidikan Matematika, 4(1), 28–41. https://doi.org/10.46918/equals.v4i1.892
Weintrop, D., Beheshti, E., Horn, & Al, M. et. (2016). Defining computational thinking for mathematics and science. Journal of Science Education and Technology, 25, 127–147. https://link.springer.com/article/10.1007/s10956-015-9581-5?utm_source=chatgpt.com#citeas
Weintrop, D., Beheshti, E., Horn, M., Orton, K., Jona, K., Trouille, L., & Wilensky, U. (2016). Defining Computational Thinking for Mathematics and Science Classrooms. Journal of Science Education and Technology, 25(1), 127–147.
Wing, J. M. (2006). Computational Thinking. Communications of the ACM, 49(3), 33–35.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Khadijah, Usman Mulbar
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
9.png){kind=logo}
