3 research outputs found
Hubungan antara Self-Regulated Learning dengan Prokrastinasi Akademik dalam Penyusunn Skripsi pada Mahasiswa Angkatan Tahun 2010 Universitas Negeri Malang
No full textABSTRAK Primadhani, Yeni. 2017. Hubungan antara Self-Regulated Learning dengan Prokrastinasi Akademik dalam Penyusunn Skripsi pada Mahasiswa Angkatan Tahun 2010 Universitas Negeri Malang. Skripsi, Jurusan Psikologi, Fakultas Pendidikan Psikologi, Universitas Negeri Malang. Pembimbing: (I) Dra. Sri Weni Utami, M.Si. (II) Ike Dwiatuti, M.Psi Kata Kunci: self-regulated learning, prokrastinasi akademik Tujuan penelitian ini adalah untuk mengetahui hubungan antara self-regulated learning dengan prokrastinasi akademik dalam penyusunan skripsi pada mahasiswa angkatan tahun 2010Universitas Negeri Malang karena melihat banyaknya mahasiswa angkatan tahun 2010 yang sampai tahun 2017 yang masih belum selesai masa studinya yaitu sebanyak 292 mahasiswa. Rancangan penelitian yang digunakan adalah deskriptif korelasional dengan teknik analisis product momentpearson. Sampel penelitian yang digunakan sebanyak 73 diperoleh dengan teknik purposive sampling. Data penelitian diambil dengan menggunakan skala self-regulated learningdan skala prokrastinasi akademik.Skala self-regulated learning terdiri dari 39 aitem, mempunyai koefisien validitas aitem antara 0,373 sampai dengan 0,825 dan koefisien reliabilitas sebesar 0,746. Adapun skala prokrastinasi akademik terdiri dari 44 aitem. Skala prokrastinasi akademik mempunyaikoefisien validitas aitem antara 0,334 sampai dengan 0,811 dan koefisienreliabilitas sebesar 0,748.Uji hipotesis diperoleh nilai korelasi antara variabel self-regulated learning dengan variabel prokrastinasi akademik sebesar rxy = -357 dengan signifikansi 0,002( p < 0,05). Hasil penelitian menunjukkan bahwa: (1) self-regulated learning mahasiswa angkatan tahun 2010 Universitas Negeri Malangyang berada dalam kategori rendah sejumlah 16,44%, kategori sedang sejumlah 61,64%, dan yang berada dalam kategori tinggi sejumlah 21,92%, (2) prokrastinasi akademik dalam penyusunan skripsi pada mahasiswa angkatan tahun 2010 Universitas Negeri Malang yang berada dalam kategori rendah sejumlah 21,92%, kategori sedang sejumlah 58,90%, dan yang berada dalam kategori tinggi sejumlah 19,18% ,(3) self-regulated learning dengan prokrastinasi akademik memiliki hubungan negatif. Semakin tinggi self-regulated learning maka semakin rendah prokrastinasi akademik dan semakin rendah self-regulated learning maka semakin rendah prokrastinasi akademik. Saran dari penelitian ini yaitu 1) Bagi mahasiswa, digunakan sebagai bahan evaluasi diri, mahasiswa sebaiknya menetapkan tujuan yang akan dicapai, meningkatkan kemampuan utnuk membagi waktu yang dapat menurunkan perilaku prokrastinasi akademik, 2) Bagi Universitas, diharapkan untuk mengembangkan self-regulated learning mahasiswa, misalkan memfasilitasi mahasiswa dengan diadakan sosialisasi mengenai time-management untuk menurunkan perilaku prokrastinasi akademik, 3) Bagi Peneliti, disarankan melakukan penelitian dengan memperluas kancah penelitian dengan karakteristik subjek yang berbeda dan atau dengan metode penelitian yang berbeda
Sentiment Analysis of Depression Detection on Twitter Social Media Users Using the K-Nearest Neighbor Method
Get PDFEvery day, millions of people suffer from depression and only a small percentage of them receive proper treatment. Depression is one of the most common mental health disorders. Mental health is very important for humans as well as physical health in general. Not infrequently media users often provide information about themselves and the complaints they experience on burdensome social media. At this time the detection can be detected from the activities of social media users themselves. Because, not infrequently Twitter social media users often provide information about themselves and the complaints they are experiencing on Twitter social media which is burdensome. Therefore, social media Twitter is an option to detect the level of mental health that is being experienced by someone. In this study, the author aims to analyze the application of the K-Nearest Neighbor method in detecting depression in Twitter social media users and see the accuracy value. Based on tests on the KNN classification using the stages of the confusion matrix, the accuracy obtained is 78.18%
Sentiment Analysis of Depression Detection on Twitter Social Media Users Using the K-Nearest Neighbor Method
Get PDFEvery day, millions of people suffer from depression and only a small percentage of them receive proper treatment. Depression is one of the most common mental health disorders. Mental health is very important for humans as well as physical health in general. Not infrequently media users often provide information about themselves and the complaints they experience on burdensome social media. At this time the detection can be detected from the activities of social media users themselves. Because, not infrequently Twitter social media users often provide information about themselves and the complaints they are experiencing on Twitter social media which is burdensome. Therefore, social media Twitter is an option to detect the level of mental health that is being experienced by someone. In this study, the author aims to analyze the application of the K-Nearest Neighbor method in detecting depression in Twitter social media users and see the accuracy value. Based on tests on the KNN classification using the stages of the confusion matrix, the accuracy obtained is 78.18%
