The objectives of this study are to: (1) Analyze whether there is a contribution of mathematics anxiety, learning motivation and self-confidence to the ability to solve mathematical problems simultaneously, (2) Analyze whether there is a contribution of mathematics anxiety, learning motivation and self-confidence to the partial mathematical problem solving ability, (3) To analyze how big the contribution of mathematics anxiety, learning motivation and self-confidence to mathematical problem solving abilities simultaneously, (4) Analyze how much the contribution of mathematics anxiety, learning motivation and self-confidence to the partial mathematical problem solving abilit, (2) math anxiety questionnaire, (3) learning motivation questionnaire, (4) self-confidence questionnaire. Data analysis was performed by multiple linear regression analysis. The results showed: (1) There is a contribution to mathematics anxiety, learning motivation, and self-confidence to the ability to solve mathematical problems simultaneously, (2) There is a contribution to mathematics anxiety, learning motivation, and self-confidence to the ability to solve mathematical problems partially, (3) Mathematical anxiety, learning motivation and self-confidence contributed 26% to the ability to solve mathematical problems simultaneously, (4) Mathematical anxiety contributed 8.5% to mathematical problem solving abilities, learning motivation contributed 15.8% to mathematical problem solving abilities and self-confidence contributed 16.7% to mathematical problem solving abilities.

Adequate knowledge, such as information about the unique characteristics of each plant, is necessary to identify plant. Researchers have made plant recognition based on leaf characteristics. The leaf image-based plant recognition in view of different angles is a new challenge. In this study, the research on the plant recognition was conducted based on leaf images resulted from 3D stereo camera. The 3D images are very influential in the development of computer vision theory, which can provide more detailed information of an object. One of the information that can be obtained is about the position of the object in its image with the background as well as of the camera. One of the ways used to obtain such information is to calculate the disparity. However, this method will only tell the position of the object compared to other objects without that of range. Sum Absolute Different (SAD) is a method that can be used to find the disparity value. The SAD method does not require heavy computations and long process. Before calculating the disparity, all the images should be previously segmented. The objective of this segmentation is to separate all the objects from the background. Furthermore, filtering and polynomial transformation at the results of disparity is necessary to improve the quality of resultant images. Furthermore, 22 features were extracted using GLCM features (second order statistics) of images resulted from disparity improvement. The highest accuracy of match in the recognition of plant varieties was obtained at 50 cm distance and in the recognition of three plant varieties was 83.3%.

Penelitian ini bertujuan untuk menganalisis pengaruh resiliensi matematis siswa setelah menerapkan pembelajaran blended learning rotation model strategi konflik kognitif, serta untuk melihat interaksi antara pembelajaran dan kemampuan awal matematika (KAM) terhadap peningkatan resiliensi matematis siswa. Penelitian ini merupakan penelitian eksperimen semu. Data diperoleh melalui tes kemampuan awal matematika (KAM), dan angket resiliensi matematis siswa. Data dianalisis dengan uji ANAVA dua jalur. Sebelum digunakan uji ANAVA dua jalur terlebih dahulu dilakukan uji homogenitas dalam penelitian dan normalitas dalam penelitian ini dengan taraf signifikan 5%. Berdasarkan hasil analisis (ANAVA) diperoleh hasil penelitian resiliensi matematis siswa yang diajarkan dengan blended learning rotation model strategi konflik kognitif, lebih baik dibandingkan dengan siswa yang diajarkan melalui pembelajaran konvensional. Besarnya nilai signifikan yang diperoleh dari ANAVA 0,000 < nilai taraf signifikan 5%. Hal ini menunjukkan ada perbedaan signifikan resiliensi matematis pada kedua pembelajaran, dan diperoleh informasi bahwa nilai signifikansi model pembelajaran dan KAM 0,031 < 0,05 dapat disimpulkan bahwa terdapat interaksi antara model pembelajaran dan kemampuan awal matematika (KAM) dalam mempengaruhi resiliensi matematis siswa..

Pengenalan daun memainkan peran penting dalam klasifikasi tanaman dan isu utamanya terletak pada apakah fitur yang dipilih stabil dan memiliki kemampuan yang baik untuk membedakan berbagai jenis daun. Pengenalan tanaman berbantuan komputer merupakan tugas yang masih sangat menantang dalam visi komputer karena kurangnya model atau skema representasi yang tepat. Fokus komputerisasi pengenalan tanaman hidup adalah untuk mengukur bentuk geometris berbasis morfologi daun. Informasi ini memainkan peran penting dalam mengidentifikasi berbagai kelas tanaman. Pada penelitian ini dilakukan pengenalan jenis tanaman berdasarkan fitur yang menonjol dari daun seperti fisiologis panjang (physiological length), lebar (physiological width), diameter,  keliling (leaf perimeter), luas (leaf area), faktor mulus (narrow factor), rasio aspek (aspect ratio), factor bentuk (form factor), rectangularity, rasio perimeter terhadap diameter, rasio perimeter panjang fisiologi dan lebar fisiologi yang dapat digunakan untuk membedakan satu sama lain. Berdasarkan hasil pengujian, ditunjukkan bahwa hasil pencocokkan daun kelengkeng dengan menggunakan neural network lebih baik dibandingkan dengan hasil pencocokkan daun kelengkeng dengan menggunakan probabilistic neural network. Akan tetapi ekstraksi fitur dengan menggunakan morfologi belum dapat memberikan informasi pembeda yang signifikan bagi pengenalan tanaman varitas kelengkeng berdasarkan daunnya.Keywords— klasifikasi, morfologi daun, neural network, probabilistic neural network

Penelitian ini bertujuan untuk menganalisis: (1) tingkat kemampuan pemahaman konsep matematika siswa dalam penerapan model Discovery Learning berbantuan Matlab, (2) kesulitan kemampuan pemahaman konsep matematika siswa dalam penerapan model Discovery Learning berbantuan Matlab. Penelitian ini adalah penelitian kualitatif bersifat deskriptif yaitu penelitian yang bertujuan untuk mendeskripsikan secara mendalam, sistematis, faktual dan akurat kemampuan pemahaman konsep matematika siswa dalam penerapan model Discovery Learning berbantuan Matlab serta kesulitan-kesulitan yang dialami siswa. Penelitian ini dilaksanakan di SMA Methodist 1 Kutalimbaru. Subjek dalam penelitian ini melibatkan kelas XI IPA-2. Materi pembelajaran yang diberikan adalah materi limit fungsi aljabar. Instrumen penelitian ini adalah tes kemampuan pemahaman konsep matematika dan akhirnya diambil subjek untuk dikenai wawancara. Berdasarkan data hasil penelitian diperoleh bahwa: (1) Tingkat kemampuan pemahaman konsep matematika siswa dalam penerapan model Discovery Learning berbantuan Matlab yang berkemampuan baik memiliki persentasi tertinggi sebesar 57% lalu diikuti oleh siswa berkemampuan sangat baik dengan persentase 24%, siswa berkemampuan cukup dengan persentase 14% dan siswa berkemampuan kurang dengan persentase 5%; (2) Kesulitan kemampuan pemahaman konsep matematika dalam penerapan model Discovery Learning berbantuan matlab diantaranya kesulitan fakta karena tidak mampu menginterpretasikan hasil yang diperoleh, tidak mampu mengubah permasalahan dalam model yang lebih sederhana; kesulitan konsep karena tidak mampu menjelaskan melalui tulisan sebuah definisi dengan tepat; dan kesulitan prinsip karena tidak mampu mengaitkan antar konsep dalam pemecahan masalah.