Jurnal Online STKIP PGRI Tulungagung (Sekolah Tinggi Keguruan Dan Ilmu Pendidikan Persatuan Guru Republik Indonesia)
Not a member yet
1643 research outputs found
Sort by
PENGARUH MODEL STEM DALAM MEMBANGUN KEMAMPUAN BERPIKIR KRITIS SISWA KELAS IV PADA MATERI PERUBAHAN BENDA
Full text linkPenelitian ini dilatarbelakangi oleh rendahnya kemampuan berpikir kritis siswa SD. Serta penggunaan model pembelajaran yang masih berpusat pada guru yang menyebabkan kurangnya kesempatan siswa untuk mengeksplorasi kemampuan berpikirnya. Pada penelitian ini, Jenis eksperimen yang digunakan adalah penelitian pre eksperimen dan desain yang digunakan yaitu one group Pretest and Posttest design. Dalam Penelitian ini populasi yang akan dipilih yaitu keseluruhan siswa SD se Kecamatan Sebangau Kuala Kabupaten Pulang Pisau. Sedangkan jenis sampel yang digunakan yaitu convenience sampling. Adapun peneliti hanya meneliti 1 kelas yaitu kelas IV SDS 024. Teknik analisis data yang digunakan yaitu menggunakan uji normalitas, uji paired sample t test dan dilanjutkan dengan Uji N-Gain. Dari nilai keseluruhan pretest dan posttest dan tiap indikator didapatkan bahwa terdapat perbedaan yang signifikan antara kemampuan awal dan akhir. Model pembelajaran STEM yang telah dilaksanakan di kelas IV tersebut memberikan pengaruh terhadap kemampuan berpikir kritis siswa. Hal ini dikarenakan pembelajaran yang telah dilaksanakan merupakan pembelajaran yang berpusat kepada siswa, pembelajaran yang menuntut siswa untuk berperan aktif dan pembelajaran inovatif
STUDI KASUS KEBERMINATAN SISWA SMK UNTUK MELANJUTKAN STUDI KE UNIVERSITAS BHINNEKA PGRI PROGRAM STUDI PVTO
No full textThis research aims to find out (1) why students' interest in continuing to college is lacking, (2) the factors behind the lack of interest of vocational students to continue to college, (3) find ways to make vocational students want to continue to college. This research is a descriptive qualitative research with a case study approach. There were 59 informants in this study. The data collection technique used purposive sampling and snowball sampling. The data collection process used in-depth interviews, observation, and documentation. The data analysis technique uses Milles and Huberman's interactive analysis model with data collection, data reduction, data presentation, and conclusion drawing. The validity of the data used is trustworthiness, transferability, dependability, and certainty. The results showed that (1) there are still vocational students who are interested in continuing to college so that their interest is there, not less. (2) the factors behind the lack of interest of vocational students to continue to college include (a) internal factors in the form of willingness and academic success. (b) external factors such as cost, family environment, and school environment. (3) The ways to make high school students interested in continuing to college are (a) Conducting separate socialization of automotive technology vocational education study programs. (b) Cooperate with the school. (c) Creating a mentored class. (d) Creating interesting activities. (e) Provide scholarships. (f) Doing social media branding.Keywords: Interest,Vocational Students, Continuing Their Studie
ANALISIS BIBLIOMETRIK DALAM IMPLEMENTASI PROJECT BASED LEARNING DALAM MEMBANGUN KETERAMPILAN BERPIKIR KREATIF
Full text linkThis study aims to analyze the development of the implementation of Project based learning (PjBL) in building creative thinking skills through bibliometric analysis methods. The analysis focuses on three main aspects: (1) publication trends and identification of the most productive authors, (2) collaboration patterns between authors, institutions and countries, and (3) research topic trends based on keyword co-occurrence analysis. The study uses a bibliometric approach by analyzing 466 articles from the Scopus database for the 2014-2024 period. The data was analyzed using VOSviewer software for bibliometric network visualization and Mendeley for reference management. The results of the study revealed three main findings: First, there was a significant increase in the number of publications with the dominance of contributions from Indonesia (95 publications) and the United States (80 publications), with the State University of Malang as the most productive institution. Second, the collaboration pattern shows the formation of three implementation models: regional collaboration (especially in Southeast Asia), international (Asia-America-Europe), and interdisciplinary. Third, the keyword co-occurrence analysis reveals the evolution of the research focus from the development of the basic framework (2014-2016), to the integration of technology (2016-2018), to the holistic implementation with an emphasis on soft skills and psychological aspects of learning (2018-2020). These findings provide an empirical basis for the development of more effective PjBL implementation in building creative thinking skills
PENERAPAN METODE WAWANCARA KLINIS BERBANTUAN ANIMASI POWTOON DALAM MATERI BILANGAN PECAHAN PADA MAHASISWA FKIP PGSD UNTAN
Full text linkMathematics is a very important main subject. Mathematics is an important topic. The science that must be studied is mathematics. One of the things studied is numbers. Based on previous observation data, it shows below 50% to achieve KKTP in this material. Meanwhile, students as prospective teachers or educators need to know what mathematics material students find difficult. To achieve this, there is a need for innovation in mathematics learning to help students understand fractional number material. The innovation in question is Powtoon animation. The research method is quantitative research and the type of research is uasi-experimental. The design is post-test design only. The data shows : (1) there are differences in the Criteria for Completion of Learning Objectives (KKTP) and the application of the clinical interview method assisted by Powtoon animation in students fractional numbers material on PGSD FKIP students Tanjungpura University and (2) the percentage who achieved the KKTP in the the application of the clinical interview method assisted by Powtoon animation in students fractional number material on PGSD FKIP students of Tanjungpura University is higher than the percentage of not achieveing the KKTP. The author found when applying the clinical interview method that each students had different abilities and interest in subjects, some of the material has been delivered and some admitted that it had not been delivered, this influencing the difference between the Criteria foe Completion of Learning Objective (KKTP) and application of the interview clinical method assisted by Powtoon animation and the percentage profile of those who achieved the KKTP was higher than those who did not achieved the KKTP was higher than those who achieved the KKTP was higher than those who did not achieved the KKTP
Prediction of Stunting Nutritional Status in Toddlers Using Naïve Bayes Classifier Algorithm
Full text linkStunting is a chronic nutritional problem in toddlers that affects children's physical growth and cognitive development. Early identification and prediction of toddlers' nutritional status are crucial for timely intervention. This study aims to predict the nutritional status of stunting in toddlers using the Naïve Bayes Classifier algorithm. The data used in this study is derived from community health surveys with variables such as age, weight, height, and parental nutritional status. The research process began with data collection and pre-processing to ensure high-quality data. Subsequently, the data was trained using the Naïve Bayes Classifier algorithm, known for its simplicity and efficiency in data classification. Prediction results were then evaluated using metrics of accuracy, precision, recall, and F1-score to measure the model's performance. The study results indicate that the Naïve Bayes Classifier algorithm has high accuracy in predicting stunting status in toddlers, with an accuracy rate of 85%. Precision and recall also showed satisfactory results, at 82% and 87%, respectively. This model can be used as a tool for health workers to identify toddlers at risk of stunting, enabling earlier preventive measures. In conclusion, the use of the Naïve Bayes Classifier algorithm is proven effective in predicting the nutritional status of stunting in toddlers. The implementation of this model is expected to support child health programs and accelerate the reduction of stunting prevalence in the community
Analisis Sentimen pada Ulasan LMS Pembelajaran Menggunakan Metode Natural Language Processing
Full text linkCoursera merupakan sebuah LMS yang dapat di akses oleh siapa saja dan di mana saja. Bagi pengguna android dapat mengunduhnya melalui Google Play Store. Selain mengunduh pengguna juga dapat memberikan nilai dan komentar terhadap aplikasi yang di gunakan. Komentar masyarakat yang ada di Google Play Store cukup beragam dan memiliki sifat acak. Agar dapat mengetahui komentar yang di tulis oleh pengguna merupakan komentar positif atau negatif, maka dilakukan analisis sentimen terhadap komentar pengguna. Peneliti menggunakan data komentar dari 3 negara sebagai pembanding tren komentar setiap negara. Selain itu juga peneliti menggunakan 3 algoritma berbeda untuk menghitung hasil dari komentar masyarakat. 3 algoritma yang digunakan ialah Naive Bayes, SVM, dan KNN. Untuk mendapatkan hasil yang maksimal dari analisis sentimen maka digunakan metode ensemble dengan menggabungkan 3 algoritma. Dengan menggunakan metode ensemble hasil yang di dapatkan menjadi lebih optimal sehingga mengetahui tren komentar masyarakat dari 3 negara lebih mengarah ke positif. Dari ketiga negara, Amerika merupakan negara dengan presentase komentar positif tertinggi
IDENTIFYING ARITHMETIC OPERATION IN MATH WORD PROBLEM BASED ON RECURSIVE NEURAL NETWORK AND SUPPORT VECTOR MACHINE
Full text linkMath word problems act as a test bed to design an intelligent system. An approach is needed to identify arithmetic operations including addition, substraction, multiplication and division. Template-based approaches have addressed this problem. However, the template-based approach is less efficient because it requires the process of building a template repository that have to cover a wide variety of story implied by math words. The template-based approach is potentially sub-optimal when solving story problems that have not been covered yet by templates. The proposed approach resolves this by using Recursive Neural Network and Support Vector Machine. Recursive neural network is used as an encoder that can generate semantic vectors of math word problems. Then, this vector becomes as an input for a Support Vector Machine-based classifier. Tests were conducted on a dataset collected manually from Kemdikbud’ electronic school books. The results showed that the proposed approach does not require the formation of templates, thereby reducing human involvement. In addition, the use of Recursive Neural Network reduces feature engineering making it more efficient. Experimental results by applying k-fold cross validation show that the proposed approach has an accuracy of 81% and a precision of 66
ANALISIS HASIL KLASIFIKASI PENYAKIT DAUN BAWANG MERAH MENGGUNAKAN CNN ARSITEKTUR EXCEPTION
Full text linkDalam beberapa dekade terakhir, industri pertanian telah mengalami transformasi signifikan dengan penerapan teknologi canggih seperti kecerdasan buatan (AI) dan pembelajaran mesin (ML). Tantangan utama dalam sektor ini adalah identifikasi dan klasifikasi penyakit tanaman secara akurat dan efisien. Salah satu solusi yang menjanjikan adalah penerapan Convolutional Neural Networks (CNN), khususnya arsitektur Xception yang terkenal efektif dalam tugas klasifikasi gambar. Penelitian ini mengeksplorasi implementasi Xception dalam klasifikasi penyakit daun bawang merah (Allium ascalonicum), yang merupakan tanaman penting namun rentan terhadap berbagai penyakit seperti bercak daun (Alternaria porri), layu bakteri (Erwinia carotovora), dan ulat Grayak (Spodoptera exigua). Dataset gambar daun bawang merah digunakan untuk menguji kinerja model Xception dalam mengidentifikasi berbagai jenis penyakit. Hasil penelitian menunjukkan bahwa model terbaik yang menggunakan batch size 16 dan epoch 100 mencapai akurasi 99.71% dan validasi 97.37%. Pengujian menggunakan confusion matrix terhadap 96 data uji menghasilkan 89 klasifikasi benar dan 7 klasifikasi salah, menunjukkan tingkat akurasi 92%. Penelitian ini berkontribusi dalam peningkatan efisiensi dan akurasi deteksi penyakit tanaman, mendukung pertanian presisi dan pengembangan sistem deteksi penyakit tanaman yang lebih maju dan terotomatisasi
IMPLEMENTASI FUZZY C-MEANS DALAM PENGELOMPOKAN TINGKAT KEMISKINAN PADA KABUPATEN/KOTA DI PROVINSI JAWA TENGAH
Full text linkKemiskinan merupakan salah satu permasalahan bagi negara berkembang khususnya di Indoensia. Setiap tahunya kemiskinan di Provinsi Jawa Tengah terdapat kenaikan ataupun penurunan. Kemikinan di Provinsi Jawa Tengah cukup tinggi. Dibuktikan pada data Badan Pusat Statistik Provinsi Jawa Tengah kemiskinan pada tahun 2022 sebesar 10,93% dan pada tahun 2021 sebesar 10,77%. Tujuan dari penelitian ini untuk mengklasifikasikan tingkat kemiskinan di Provinsi Jawa Tengah dengan metode clustering dengan menggunakan fuzz c means. clustering sendiri adalah salah satu teknik data mining. Dimana data ini merupakan sebuah metode dari data mining untuk mengelompokan data menjadi beberapa kelompok berbeda berdasarkan karakteristik yang sama. Data penelitian yang dugunakan diambil dari Badan Pusat Statistik Provinsi Jawa Tengah dari tahun 2021 – 2023 dengan total 106 data dan 5 atribut indikator kemiskinan yaitu garis kemiskinan(Rp/kapita/bln), jumlah penduduk miskin(ribu jiwa), pengeluaran, rata-rata pendidikan dan jumlah pengangguran. Hasil penelitian ini menghasilkan 5 cluster dengan beberapa data di dalamnya. Pada cluster 0 dengan tingkat kemiskinan rendah terdapat 32 kabupaten/kota. Kemudian pada cluster 1 terrdapat 16 kabupaten/ kota dengan tingkat kemiskinan tinggi. Cluster 2 terdapat 13 kabupaten/kota dengan tingkat kemiskinan sangat tinggi. cluster 3 dengan 22 kabupaten/kota dengan kemsikinan yang sangat rendah. Dan cluster 4 dengan 22 kabupaten/kota dengan kemsikinan yang sedan
INTEGRASI ALGORITMA APRIORI DAN K-MEANS DALAM ANALISIS POLA PEMBELIAN UNTUK MENINGKATKAN STRATEGI PEMASARAN
Full text linkUMKM pada bidang usaha kuliner sedang mengalami peningkatan yang signifikan sehingga muncul persaingan dalam dunia bisnis yang semakin tidak terelakkan. Selain itu, kebiasaan pelanggan dalam melakukan pembelian yang membutuhkan waktu lama menjadi perhatian khusus bagi pemilik bisnis Premium Salad.co untuk dapat membuat penawaran produk yang lebih sesuai dengan keinginan pelanggann. Oleh karena itu, penelitian ini bertujuan untuk membentuk sebuah strategi pemasaran dalam bentuk rekomendasi paket menu atau dapat juga digunakan sebagai paket bundling produk dengan memperhatikkan produk apa saja yang memiliki frekuensi penjualan yang sering dibeli secara bersamaan oleh pelanggan, hal ini bertujuan untuk meningkatkan daya tarik pelanggan. pada saat memilih dan membeli produk, meningkatkan keuntungan penjualan, pemerataan penjualan produk, sekaligus inovasi baru untuk mengimbangi adanya persaingan bisnis kuliner. Data transaksi yang sebelumnya tidak dimanfaatkan secara optimal oleh Premium Salad.co kini dapat dimanfaatkan untuk mencari pengetahuan lebih dalam mengenai gambaran penjualan produk yang terjadi secara keseluruhan dengan bantuan data mining. Pada penelitian ini metode data mining yang digunakan yaitu clustering dan aturan asosiasi. Algoritma k-means berperan untuk mengelompokkan data dalam 4 cluster dengan nilai uji validitas Davies Bouldin Index (DBI) sebesar 0,465. Algoritma apriori berpartisipasi dalam pencarian aturan asosiasi pada cluster. Tujuan dari penggabungan dua metode ini agar menghasilkan aturan asosiasi yang lebih variatif dan lebih sesuai dengan penyelesaian masalah yang dibutuhkan. Dengan menetapkan dukungan minimum sebesar 0,01 dan kepercayaan minimum sebesar 0,5. Pada cluster 0 dengan dataset 321 transaksi menghasilkan 1 aturan dengan tingkat kepercayaan tertinggi sebesar 75%. Cluster 3 dengan dataset paling kecil yaitu 127 transaksi mampu menghasilkan sejumlah 16 aturan dengan tingkat kepercayaan tertinggi mencapai 100%