Ejurnal Universitas San Pedro
Not a member yet
238 research outputs found
Sort by
Identifikasi Jenis Larutan Ionik Berdasarkan Data Spektroskopi Impedansi Listrik Menggunakan Unsupervised Machine learning
Full text linkIdentifikasi jenis larutan ionik merupakan salah satu bagian fundamental dalam bidang biomedis. Spektroskopi Impedansi Listrik (SIL) merupakan sebuah metode yang terbukti mampu mengidentifikasi proses elektokimia yang unik untuk setiap larutan, namun interpretasi hasil pengukuran pada SIL terbilang cukup rumit. Disisi lain, metode identifikasi secara cepat, akurat, dan tanpa reagen menjadi kebutuhan penting dalam bidang biomedis dan lingkungan. Penelitian ini bertujuan untuk mengevaluasi potensi penggunaan Unsupervised Machine learning, khususnya metode Principal component analysis (PCA) dan K-Means untuk menginterpretasikan hasil pengukuran spektroskopi impedansi listrik (SIL) sehingga mampu membedakan jenis larutan ionik NaCl, Ringer Laktat (RL), dan Simulated Body Fluid (SBF). Pengukuran impedansi dilakukan pada rentang frekuensi 1 Hz hingga 1 MHz menggunakan dua elektroda tanpa modifikasi permukaan. Selanjutnya, hasil pengukuran impedani berupa dan dianalisis untuk mengekstrak data. Proses analisis meliputi pra-pemrosesan data, reduksi dimensi menggunakan Principal component analysis (PCA), dan klasterisasi dengan algoritma K-Means. PCA mampu merangkum informasi sebesar 75.8% dalam dua komponen utama, dan hasil klasterisasi menunjukkan pemisahan yang cukup jelas antara ketiga jenis larutan dengan nilai accuracy sebesar 88.9%, Adjusted Rand Index (ARI) sebesar 0.6865, serta silhouette score sebesar 0.4473. Hasil ini menunjukkan bahwa penggunaan kombinasi algortima PCA dan K-Means memiliki potensi untuk interpretasi hasil SIL yang tidak memerlukan data berlabel (unsupervised) dengan performa yang kompetitif jika dibandingkan dengan metode supervised, sehingga lebih fleksibel untuk aplikasi dimana pelabelan data sulit dilakukan
Pengaruh Penggunaan Artificial Intelligence MathGPT dalam Meningkatkan Prestasi Belajar Matematika Siswa
Full text linkPermasalahan yang melatarbelakangi penelitian ini adalah rendahnya prestasi belajar matematika siswa, khususnya pada materi pertidaksamaan linier dua variabel, serta keterbatasan sumber belajar yang menarik dan interaktif di lingkungan sekolah. Selain itu, masih minimnya pemanfaatan teknologi kecerdasan buatan (AI) dalam proses pembelajaran menjadi tantangan tersendiri dalam upaya peningkatan kualitas pembelajaran matematika. Tujuan penelitian ini untuk mengetahui efektifitas pelaksanaan pembelajaran matematika menggunakan artificial intelligence sebagai sumber belajar serta mengetahui pengaruh dari penggunaan AI sebagai sumber belajar terhadap prestasi belajar matematika siswa pada materi pertidaksamaan linier dua variabel. Metode penelitian ini yaitu penelitian eksperimen dengan rancangan disain the one group,pretest-posttest Design. Populasi dalam penelitian ini seluruh siswa-siswi kelas XI Alam SMAN 1 Weluli. Teknik pengambilan sampel menggunakan purposive sampling. Penelitian ini menemukan bahwa pelaksanaan pembelajaran matematika menggunakan AI tergolong sangat baik dengan rata-rata capaian indikator sebesar 88,23%, kemudian prestasi belajar matematika siswa dengan menggunakan AI berdasarkan rata-rata capaian indikator tiap butir soal sebesar 79,59% dengan kriteria baik, Selanjutnya hasil uji hipotesis yang dibuktikan dengan nilai Asymp sig.(2-tailed) = 0,000 < 0,05 dan = 18,890 > 2,101 = serta kriteria penerimaan dan penolakan dengan taraf signifikan 5% dan > maka ditolak dan diterima yang artinya bahwa ada pengaruh positif yang signifikan pada penggunaan AI sebagai sumber belajar terhadap prestasi belajar matematika siswa
Pengaruh Infokus Terhadap Hasil dan Keaktifan Belajar Matematika Siswa SMPN 1 Wamena Tahun Pelajaran 2024/2025
Full text linkInfokus merupakan salah satu media pembelajaran yang dapat digunakan oleh guru untuk menarik perhatian siswa pada saat guru menjelaskan materi pelajaran sehingga dapat meningkatkan hasil belajar matematika siswa dan keaktifan. Tujuan penelitian adalah untuk mengetahui apakah ada pengaruh penggunaan infokus terhadap hasil belajar dan keaktifan belajar matematika siswa SMPN 1 Wamena. Penelitian ini merupakan penelitian kuantitatif dengan pendekatan kuantitatif deskriptif. Teknik analisis data yang digunakan adalah statistik Inferensial dengan uji paired sample t-test menggunakan SPSS versi 23. Sampel penelitian diambil secara purposive sampling yaitu sebanyak 23 orang. Adanya perbedaan rata-rata hasil belajar siswa setelah dan sesudah penggunaan test sebesar 19,96. Berdasarkan hasil uji paired sampel t-test menunjukkan nilai 0,001 < 0,05 yang berarti ada perbedaan hasil belajar sebelum menggunakan infokus dan sesudah menggunakan infokus. Pada hasil belajar dan keaktifan belajar nilai signifikansinnya 0,000 < 0,05, maka dapat disimpulkan bahwa ada pengaruh media infokus terhadap hasil belajar siswa ditinjau dari keaktifan belajar. Berdasarkan sebaran angket yang diberikan diperoleh data bahwa 75% siswa lebih aktif saat guru menggunakan infokus
Hierarchical Agglomerative Clustering dengan Metode Ward Untuk Pemetaan Pasar Tenaga Kerja Pascapandemi di Jawa Tengah: Pendekatan Machine Learning Berbasis Klasterisasi
Full text linkPandemi COVID-19 telah memberikan dampak signifikan terhadap dinamika ketenagakerjaan di Indonesia, termasuk di Provinsi Jawa Tengah. Ketimpangan distribusi pasar tenaga kerja antarwilayah menjadi tantangan tersendiri dalam perumusan kebijakan pascapandemi. Penelitian ini menerapkan Hierarchical Agglomerative Clustering (HAC) dengan metode Ward untuk memetakan pasar tenaga kerja pascapandemi di Jawa Tengah berdasarkan indikator Tingkat Partisipasi Angkatan Kerja (TPAK), Tingkat Pengangguran Terbuka (TPT), dan Rasio Pencari Kerja terhadap Lapangan Kerja (RPKL). Hasil klasterisasi menunjukkan lima klaster dengan karakteristik pasar tenaga kerja yang berbeda, mulai dari klaster dengan partisipasi kerja di bawah rata-rata dan pengangguran di atas rata-rata hingga klaster dengan kondisi pasar tenaga kerja yang lebih stabil. Validitas klaster dikonfirmasi melalui koefisien Silhouette. Temuan ini memberikan gambaran spasial yang berguna untuk perumusan kebijakan ketenagakerjaan yang adaptif dan berbasis data
Pengelompokan Kabupaten/Kota Maluku dan Nusa Tenggara Barat Berdasarkan Faktor Kemiskinan Menggunakan Self Organizing Maps
Full text linkProvinsi Maluku dan Nusa Tenggara Barat masih menghadapi tantangan serius dalam upaya pengentasan kemiskinan. Kedua provinsi ini tidak hanya mengalami peningkatan persentase penduduk miskin, tetapi juga termasuk sebagai wilayah dengan persentase penduduk miskin tertinggi di Indonesia. Persentase penduduk miskin di Provinsi Maluku pada tahun 2023 mencapai 16,42%, naik sebesar 0,45%. Sementara itu, persentase penduduk miskin di Provinsi Nusa Tenggara Barat mencapai 13,85%, naik sebesar 0,17%. Angka-angka ini masih jauh dari target pemerintah yang menetapkan 6%-7% untuk persentase kemiskinan nasional. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota di Provinsi Maluku dan Nusa Tenggara Barat berdasarkan faktor yang memengaruhi kemiskinan serta mengidentifikasi karakteristik hasil klaster yang terbentuk. Penelitian ini menggunakan metode Self Organizing Maps (SOM). Data penelitian ini bersumber dari publikasi Badan Pusat Statistik (BPS), yaitu Maluku dalam Angka 2024 dan Nusa Tenggara Barat dalam Angka 2024. Hasil analisis menunjukkan terbentuknya 3 klaster wilayah yang divalidasi menggunakan pendekatan validasi internal (Connectivity, Dunn, dan Silhouette). Klaster 1 terdiri dari 2 kota ditandai oleh keunggulan dalam indikator pendidikan, kesehatan, dan ekonomi. Klaster 2 terdiri dari 15 kabupaten/kota yang dicirikan dengan potensi tenaga kerja yang tinggi, namun mengahadapi tantangan jumlah penduduk yang besar. Sementara itu, klaster 3 terdiri dari 4 kabupaten memiliki keterbatasan dalam berbagai aspek, termasuk pendidikan, kesehatan, ekonomi, dan infrastruktur
Analisis Model Matematika pada Penanggulangan Pencemaran Udara
Full text linkPenelitian ini menggunakan pendekatan kuantitatif dengan metode pemodelan matematika berbasis data sekunder dari Dinas Lingkungan Hidup (DLH) Kota Medan. Data mencakup konsentrasi karbon monoksida (CO), karbon dioksida (CO?), dan oksigen (O?) pada empat kawasan berisiko tinggi pencemaran, yaitu kawasan industri, perkantoran, permukiman, dan area dengan kepadatan kendaraan tinggi. Model yang diterapkan adalah Vector Autoregression (VAR), yang mampu menangkap hubungan dinamis antarvariabel tanpa perlu membedakan variabel endogen dan eksogen. Sebelum pemodelan, dilakukan uji stasioneritas dengan Augmented Dickey-Fuller (ADF), penentuan lag optimal, serta uji kausalitas Granger. Hasil penelitian menunjukkan adanya tren peningkatan konsentrasi CO, penurunan CO?, dan kenaikan moderat kadar O?. Model VAR yang dibangun memiliki akurasi yang baik dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 7,85%, sehingga efektif digunakan untuk peramalan jangka pendek pencemaran udara. Dengan demikian, pemodelan ini dapat menjadi dasar analisis dan perumusan strategi penanggulangan pencemaran udara di Kota Medan
Implementasi Media Pembelajaran Interaktif Berbasis Canva dalam Pembelajaran IPA: Studi Kualitatif di Sekolah Dasar
Full text linkPerkembangan teknologi digital mendorong pendidik untuk menciptakan inovasi pembelajaran yang menarik dan sesuai dengan karakteristik siswa masa kini. Penelitian ini bertujuan untuk mendeskripsikan implementasi media pembelajaran IPA di sekolah dasar Aulia Cendikia menggunakan Canva pada pelajaran mengelompokkan hewan berdasarkan makanan hewan. Penelitian ini menggunakan pendekatan kualitatif deskriptif dengan subjek siswa kelas V SD Aulia Cendikia Islam School Pekanbaru. Data yang diperoleh mencakup hasil tes dari penilaian pre dan post, observasi aktivitas di kelas, survei kepuasan, dan wawancara dengan guru kelas. Temuan penelitian menunjukkan bahwa pemahaman siswa telah meningkat setelah pengajaran dengan Canva. Antusiasme siswa sangat tinggi, dan mereka berpartisipasi secara aktif dan memberikan respons positif terhadap media yang digunakan. Para guru juga menganggap media tersebut sebagai alat yang efektif dalam menjelaskan materi abstrak yang disajikan secara visual dan menyenangkan. Secara keseluruhan, dapat dikatakan bahwa alat media meningkatkan efektivitas pengajaran dan pembelajaran IPA di sekolah dasar dan sangat sesuai dengan lingkungan kelas abad ke-21
Strategi Guru dalam Menerapkan Pendekatan Deep Learning di Sekolah Dasar
Full text linkPenelitian ini bertujuan mendeskripsikan strategi pembelajaran yang digunakan guru dalam menerapkan pendekatan deep learning di sekolah dasar serta mengidentifikasi faktor pendukung dan penghambat dalam pelaksanaannya. Penelitian dilakukan dengan pendekatan kualitatif melalui wawancara mendalam dengan guru kelas tinggi di UPT SD Negeri 1 Sukoharjo I sebagai subjek utama. Data dikumpulkan menggunakan pedoman wawancara terbuka yang menyoroti strategi pembelajaran, pemanfaatan teknologi, serta praktik refleksi guru. Hasil penelitian menunjukkan bahwa guru memahami deep learning sebagai pembelajaran berpusat pada siswa yang menekankan keterlibatan aktif, berpikir kritis, kolaborasi, dan kemampuan reflektif. Strategi yang diterapkan meliputi Problem Based Learning, diskusi kelompok, observasi lapangan, dan pembelajaran kontekstual yang relevan dengan pengalaman siswa. Guru juga memanfaatkan media digital untuk meningkatkan interaktivitas, meskipun masih menghadapi keterbatasan fasilitas dan jaringan internet. Selain itu, guru menunjukkan komitmen profesional melalui pelatihan dan refleksi pembelajaran. Penelitian menyimpulkan bahwa implementasi deep learning berjalan positif, tetapi memerlukan dukungan sarana, kebijakan sekolah, dan pelatihan berkelanjutan agar dapat diterapkan secara lebih optimal
Analisis Struktur Bawah Permukan dan Potensi Akuifer Menggunakan Metode Geolistrik Resistivitas (Studi Kasus: Kampus Universitas San Pedro)
Full text linkMetode geolistrik merupakan salah satu metode yang mempelajari sifat aliran listrik di dalam bumi. Secara umum metode geolistrik adalah metode yang paling banyak digunakan dalam survei geologi seperti pencarian sumber daya mineral, panas bumi, arkeologi hingga studi dalam bidang hidrologi. Dalam penelitian ini menggunakan konfigurasi Wenner. Metode yang digunakan dalam penelitian ini adalah penelitian kuantitatif dengan mengambil data primer lapangan. Lokasi penelitian yaitu Universitas San Pedro dengan 2 lintasan masing-masing jaraknya 80 m menggunakan 40 elektroda dengan spasi antar elektroda 2 m. penelitian ini bertujuan untuk mengetahui struktur bawah permukaan dan potensi akuifer menggunakan metode geolistrik resistivitas. Penampang pemodelan 2D diperoleh dari inversi data menggunakan Software Res2Dinv. Hasil inversi menunjukkan nilai resistivitas batuan yang terdapat pada 2 lintasan yaitu 1,38 ?m - 7342 ?m. Berdasarkan nilai resistivitas yang diperoleh maka diduga terdapat 3 jenis lapisan batuan di lokasi penelitian, yaitu lempung dengan nilai resistivitas (1-100 ?m), Aluvium dengan nilai resistivitas (101-800 ?m) dan Gamping dengan nilai resistivitas (801-7342 ?m). Potensi Akuifer terdapat pada jenis material aluvium (pasir, kerikil, batu pasir, batu kapur) dengan kedalaman mencapai ± 2,5 m sampai 13,5 m
Analisis Kerapatan Sambaran Petir Jenis Cloud To Ground Berbasis Sistem Informasi Geografis di Kota Kupang Tahun 2021-2022
Full text linkTelah dilakukan penelitian dengan judul Analisis Kerapatan Sambaran Petir Jenis Cloud To Ground Berbasis Sistem Informasi Geografis Di Wilayah Kota Kupang Tahun 2021-2022. Tujuan dari penelitian ini untuk menganalisis sambaran petir jenis cloud to ground (CG) di wilayah Kota Kupang dan hubungannya terhadap variasi ketinggian/elevasi dengan memanfaatkan bantuan Sistem Informasi Geografis (SIG). Hasil menunjukkan bahwa pada Tahun 2021 jumlah sambaran petir tertinggi terjadi pada bulan Februari, sedangkan pada Tahun 2022 terjadi di bulan November. Kerapatan sambaran petir CG sepanjang Tahun 2021 adalah 291,41 sambaran/km² dan meningkat menjadi 336,30 sambaran/km² pada Tahun 2022, dengan kerapatan tertinggi lebih dari 300 sambaran/km². Kerapatan petir tertinggi Pada Tahun 2021 teridentifikasi di Kecamatan Alak, sementara itu pada Tahun 2022 menyebar di beberapa wilayah yaitu Kecamatan Kota Lama, Kelapa Lima, Oebobo, dan Maulafa. Distribusi kerapatan sambaran petir CG di wilayah Kota Kupang didominasi pada ketinggian 0-10 mdpl, ini dapat disimpulkan bahwa peningkatan kerapatan petir di wilayah kota Kupang tidak berbanding lurus dengan pertambahan ketinggian. Hal ini disimpulkan bahwa meskipun ketinggian merupakan salah satu faktor yang dapat mempengaruhi pembentukan awan konvektif, hal tersebut tidak berarti bahwa wilayah dengan luasan yang lebih besar pada ketinggian tertentu akan memiliki kerapatan petir yang lebih tinggi