Jurnal Teknologi Informasi dan Ilmu Komputer
Not a member yet
1290 research outputs found
Sort by
Perancangan Aplikasi Berbasis Website Untuk Edukasi Dan Pengelolaan Pertanian Biofarmaka Menggunakan Metode Fast (Framework For The Application System Thinking)
Get PDFPermasalahan dalam sektor pertanian biofarmaka di Indonesia saat ini mencakup beberapa aspek penting yang menghambat perkembangan dan produktivitasnya. Salah satu masalah utama adalah kurangnya infrastruktur dan akses terhadap teknologi pertanian modern. Banyak petani masih menggunakan metode tradisional karena keterbatasan teknologi. Untuk mengatasi hal ini, dikembangkanlah FocketFarm, sebuah platform edukasi berbasis web untuk pertanian greenhouse. Tujuannya adalah memberikan pengetahuan dan keterampilan praktis dalam pertanian greenhouse kepada pengguna. Pengguna FocketFarm dapat memperoleh informasi tentang teknik bertani, perawatan tanaman, pengelolaan sumber daya, dan praktik-praktik pertanian yang berkelanjutan. Untuk mengembangkan website FocketFarm, yaitu dengan menggunakan metode Framework for the Application of System Thinking (FAST) tujuan nya adalah untuk menyusun desain sistem secara lebih efisien dan sesuai dengan tujuan yang ditetapkan. Webste FocketFarm dapat memperoleh informasi tentang teknik bertani di dalam greenhouse, perawatan tanaman, pengelolaan sumber daya, dan praktik-praktik pertanian yang berkelanjutan. Dengan antarmuka yang mudah digunakan, FocketFarm memungkinkan akses yang intuitif bagi pengguna dari latar belakang yang beragam. Dengan demikian, FocketFarm berfungsi sebagai alat efektif dalam meningkatkan pemahaman dan keterampilan dalam pertanian greenhouse melalui platform web yang mudah diakses
Abstract
Chess has been estimated to have around 1043 possible positions. This number surpasses the computing ability of any computer available, therefore, building a chess engine that considers every possible position is deemed impractical. Currently, the use of neural network in chess engine development is on the rise and has been delivering promising results since the introduction of Google DeepMind’s AlphaZero in 2017. This research aims to bring a new potential approach to the field of neural network based chess engine development by introducing Deeplefish chess engine that uses a Long Short Term Memory (LSTM) model as move generator. Trained on more than 57.000 games broken down into more than 1.200.000 positions, the model is trained to predict the next move played by white for a given sequence of moves. The model achieved a loss of 3.01 and an Average Centipawn Loss (ACPL) of 219 on the validation set. Deeplefish achieved 2 wins, 72 losses, and 10 draws on the testing, showing a lack of board and contextual awareness. This unsatisfactory results are likely due to the subjectivity of the data to the player’s way of thinking, resulting in lack of significant move pattern to be learned by the model.Permasalahan dalam sektor pertanian biofarmaka di Indonesia saat ini mencakup beberapa aspek penting yang menghambat perkembangan dan produktivitasnya. Salah satu masalah utama adalah kurangnya infrastruktur dan akses terhadap teknologi pertanian modern. Banyak petani masih menggunakan metode tradisional karena keterbatasan teknologi. Untuk mengatasi hal ini, dikembangkanlah FocketFarm, sebuah platform edukasi berbasis web untuk pertanian greenhouse. Tujuannya adalah memberikan pengetahuan dan keterampilan praktis dalam pertanian greenhouse kepada pengguna. Pengguna FocketFarm dapat memperoleh informasi tentang teknik bertani, perawatan tanaman, pengelolaan sumber daya, dan praktik-praktik pertanian yang berkelanjutan. Untuk mengembangkan website FocketFarm, yaitu dengan menggunakan metode Framework for the Application of System Thinking (FAST) tujuan nya adalah untuk menyusun desain sistem secara lebih efisien dan sesuai dengan tujuan yang ditetapkan. Webste FocketFarm dapat memperoleh informasi tentang teknik bertani di dalam greenhouse, perawatan tanaman, pengelolaan sumber daya, dan praktik-praktik pertanian yang berkelanjutan. Dengan antarmuka yang mudah digunakan, FocketFarm memungkinkan akses yang intuitif bagi pengguna dari latar belakang yang beragam. Dengan demikian, FocketFarm berfungsi sebagai alat efektif dalam meningkatkan pemahaman dan keterampilan dalam pertanian greenhouse melalui platform web yang mudah diakses.
Abstract
The current problems in Indonesia\u27s biopharmaceutical agriculture sector include several important aspects that hinder its development and productivity. One of the main problems is the lack of infrastructure and access to modern agricultural technology. Many farmers still use traditional methods due to technological limitations. To address this, FocketFarm, a web-based educational platform for greenhouse farming, was developed. The goal is to provide users with knowledge and practical skills in greenhouse farming. FocketFarm users can obtain information on farming techniques, plant care, resource management, and sustainable farming practices. To develop the FocketFarm website, using the Framework for the Application of System Thinking (FAST) method, the aim is to develop a system design more efficiently and in accordance with the objectives set.The FocketFarm website can obtain information about greenhouse farming techniques, plant care, resource management, and sustainable agricultural practices. With an easy-to-use interface, FocketFarm allows intuitive access for users from diverse backgrounds. As such, FocketFarm serves as an effective tool in enhancing understanding and skills in greenhouse farming through an easily accessible web platform.
Peramalan Penjualan Produk Menggunakan Extreme Gradient Boosting (XGBOOST) Dan Kerangka Kerja Crisp-Dm untuk Pengoptimalan Manajemen Persediaan (Studi Kasus: Ub Mart)
Get PDFManajemen persediaan merupakan masalah yang umum dihadapi oleh bisnis ritel. UB Mart, sebuah bisnis ritel di Kota Malang mengalami permasalahan manajemen persediaan utamanya terkait persediaan produk yang kurang pada produk dengan perputaran penjualan yang sangat cepat. Manajemen persediaan pada UB Mart belum dilakukan menggunakan metode sistematis berbasis data, melainkan masih berdasarkan insting dan intuisi dari pengelola. Upaya yang dapat dilakukan untuk mengatasi permasalahan tersebut adalah dengan melakukan peramalan penjualan. Penelitian bertujuan untuk melakukan peramalan penjualan produk menggunakan model pembelajaran mesin Extreme Gradient Boosting (XGBoost) yang dikombinasikan dengan kerangka kerja Cross-Industry Process for Data Mining (CRISP-DM) sebagai pedoman manajemen proyek. Peramalan penjualan dilakukan dengan memanfaatkan data historis penjualan UB Mart dari bulan Januari 2020 hingga Juni 2023 terhadap 10 produk terpilih. Proses peramalan dilakukan melalui fase utama kerangka kerja CRISP-DM yaitu Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Fase Modeling melibatkan pengujian penggunaan fitur untuk melatih model dengan performa terbaik. Hasil penelitian menunjukkan penerapan kerangka kerja CRISP-DM dapat memfasilitasi proses peramalan yang terstruktur serta memperkuat validitas hasil dalam konteks bisnis UB Mart. Fitur penanda jumlah transaksi dan fitur penanda transaksi dengan volume besar menunjukkan peran yang signifikan dalam melatih model XGBoost dengan performa terbaik. Model dengan performa terbaik memiliki nilai rata-rata Mean Absolute Error sebesar 11,58 dan nilai rata-rata Root Mean Squared Error sebesar 29,19 yang menunjukkan bahwa model memiliki kemampuan peramalan yang baik.
Abstract
Inventory management is a common issue faced by retail businesses. UB Mart, a retail business in Kota Malang, is experiencing inventory management problems, particularly related to product shortages on product that have fast sales turnover. Inventory management at UB Mart has not yet been conducted using a systematic, data-driven method, but rather relies solely on the intuition and instincts of the management. One approach to addressing that problem is implementing sales forecasting. This research aims to forecast product sales using the Extreme Gradient Boosting (XGBoost) machine learning model, combined with the Cross-Industry Process for Data Mining (CRISP-DM) framework as project management guideline. The sales forecasting uses UB Mart’s historical sales data from January 2020 to June 2023 for 10 selected products. The forecasting process follows the main phases of the CRISP-DM framework: Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, and Deployment. The Modeling phase involves testing feature selection to train the model that can deliver best performance. The results of this research demonstrate that applying the CRISP-DM framework facilitates a structured forecasting process and enhances the validity of the forecast in the context of UB Mart’s business. Transaction count indicators and bulk transaction indicators significantly contribute to training the best-performing XGBoost model. The best-performing model achieved an average Mean Absolute Error of 11,58 and an average Root Mean Squared Error of 29,19, indicating the model’s good ability to forecast.Manajemen persediaan merupakan masalah yang umum dihadapi oleh bisnis ritel. UB Mart, sebuah bisnis ritel di Kota Malang mengalami permasalahan manajemen persediaan utamanya terkait persediaan produk yang kurang pada produk dengan perputaran penjualan yang sangat cepat. Manajemen persediaan pada UB Mart belum dilakukan menggunakan metode sistematis berbasis data, melainkan masih berdasarkan insting dan intuisi dari pengelola. Upaya yang dapat dilakukan untuk mengatasi permasalahan tersebut adalah dengan melakukan peramalan penjualan. Penelitian bertujuan untuk melakukan peramalan penjualan produk menggunakan model pembelajaran mesin Extreme Gradient Boosting (XGBoost) yang dikombinasikan dengan kerangka kerja Cross-Industry Process for Data Mining (CRISP-DM) sebagai pedoman manajemen proyek. Peramalan penjualan dilakukan dengan memanfaatkan data historis penjualan UB Mart dari bulan Januari 2020 hingga Juni 2023 terhadap 10 produk terpilih. Proses peramalan dilakukan melalui fase utama kerangka kerja CRISP-DM yaitu Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Fase Modeling melibatkan pengujian penggunaan fitur untuk melatih model dengan performa terbaik. Hasil penelitian menunjukkan penerapan kerangka kerja CRISP-DM dapat memfasilitasi proses peramalan yang terstruktur serta memperkuat validitas hasil dalam konteks bisnis UB Mart. Fitur penanda jumlah transaksi dan fitur penanda transaksi dengan volume besar menunjukkan peran yang signifikan dalam melatih model XGBoost dengan performa terbaik. Model dengan performa terbaik memiliki nilai rata-rata Mean Absolute Error sebesar 11,58 dan nilai rata-rata Root Mean Squared Error sebesar 29,19 yang menunjukkan bahwa model memiliki kemampuan peramalan yang baik.
Abstract
Inventory management is a common issue faced by retail businesses. UB Mart, a retail business in Kota Malang, is experiencing inventory management problems, particularly related to product shortages on product that have fast sales turnover. Inventory management at UB Mart has not yet been conducted using a systematic, data-driven method, but rather relies solely on the intuition and instincts of the management. One approach to addressing that problem is implementing sales forecasting. This research aims to forecast product sales using the Extreme Gradient Boosting (XGBoost) machine learning model, combined with the Cross-Industry Process for Data Mining (CRISP-DM) framework as project management guideline. The sales forecasting uses UB Mart’s historical sales data from January 2020 to June 2023 for 10 selected products. The forecasting process follows the main phases of the CRISP-DM framework: Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, and Deployment. The Modeling phase involves testing feature selection to train the model that can deliver best performance. The results of this research demonstrate that applying the CRISP-DM framework facilitates a structured forecasting process and enhances the validity of the forecast in the context of UB Mart’s business. Transaction count indicators and bulk transaction indicators significantly contribute to training the best-performing XGBoost model. The best-performing model achieved an average Mean Absolute Error of 11,58 and an average Root Mean Squared Error of 29,19, indicating the model’s good ability to forecast
Implementasi Algoritma Sparkle Schwaemm128-128 Untuk Proses Enkripsi Pengiriman Data Pada Sensor GPS berbasis IoT dengan Protokol Modul NRF24L01
Get PDFPenelitian ini bertujuan untuk menerapkan algoritma enkripsi Sparkle Schwaemm128-128, yang merupakan algoritma enkripsi ringan yang berdasarkan pada permutasi Sparkle, untuk proses enkripsi pengiriman data pada sensor GPS berbasis IoT dengan protokol modul NRF24L01. Metode penelitian yang digunakan adalah eksperimen dengan menggunakan perangkat keras NodeMCU ESP8266, sensor GPS NEO-6Mv2, modul komunikasi NRF24L01, dan platform Arduino IDE. Hasil penelitian menunjukkan bahwa algoritma Sparkle Schwaemm128-128 dapat mengenkripsi dan mendekripsi data sensor GPS dengan kecepatan 8012 mikrodetik untuk waktu enkripsi dan 13108 untuk waktu dekripsi. Sisa memori penggunaan pada mikrokontroler NodeMCU ESP8266 berkisar 51765 byte yaitu hanya 36,75% memori yang terpakai pada node sensor dan 52174 byte yaitu hanya 36,36% memeri yang terpakai pada node pusat. Penelitian ini diharapkan dapat memberikan solusi keamanan yang efisien dan efektif untuk sistem IoT yang menggunakan sensor GPS dan modul komunikasi NRF24L016.Penelitian ini bertujuan untuk menerapkan algoritma enkripsi Sparkle Schwaemm128-128, yang merupakan algoritma enkripsi ringan yang berdasarkan pada permutasi Sparkle, untuk proses enkripsi pengiriman data pada sensor GPS berbasis IoT dengan protokol modul NRF24L01. Metode penelitian yang digunakan adalah eksperimen dengan menggunakan perangkat keras NodeMCU ESP8266, sensor GPS NEO-6Mv2, modul komunikasi NRF24L01, dan platform Arduino IDE. Hasil penelitian menunjukkan bahwa algoritma Sparkle Schwaemm128-128 dapat mengenkripsi dan mendekripsi data sensor GPS dengan kecepatan 8012 mikrodetik untuk waktu enkripsi dan 13108 untuk waktu dekripsi. Sisa memori penggunaan pada mikrokontroler NodeMCU ESP8266 berkisar 51765 byte yaitu hanya 36,75% memori yang terpakai pada node sensor dan 52174 byte yaitu hanya 36,36% memeri yang terpakai pada node pusat. Penelitian ini diharapkan dapat memberikan solusi keamanan yang efisien dan efektif untuk sistem IoT yang menggunakan sensor GPS dan modul komunikasi NRF24L016.
Abstract
This research aims to implement the Sparkle Schwaemm128-128 encryption algorithm, which is a lightweight encryption algorithm based on Sparkle permutation, for the data encryption process in IoT-based GPS sensors with the NRF24L01 module protocol. The research method used is an experiment using NodeMCU ESP8266 hardware, NEO-6Mv2 GPS sensor, NRF24L01 communication module, and Arduino IDE platform. The results showed that the Sparkle Schwaemm128-128 algorithm can encrypt and decrypt GPS sensor data at 8012 microseconds for encryption time and 13108 for decryption. The remaining memory usage on the NodeMCU ESP8266 microcontroller ranges from 51765 bytes which is only 36.75% of the memory used on the sensor node and 52174 bytes which is only 36.36% of the memory used on the central node. This research is expected to provide an efficient and effective security solution for IoT systems that use GPS sensors and NRF24L01 communication modules
Kekuatan Dampak Direct Instruction Berbantuan Teknologi Informasi Terhadap Hasil Belajar Pengetahuan Prosedural Dan Kemandirian Belajar Pada Subjek Pemrograman Komputer
Get PDFPenelitian ini menganalisis kekuatan dampak implementasi pembelajaran Direct Instruction (DI) berbantuan teknologi informasi terhadap hasil belajar dan kemandirian belajar pengetahuan prosedural pada subjek pemrograman komputer. Tujuan tersebut dipicu oleh keterbatasn teori saat ini yang mampu menunjukkan seberapa besar dampak DI berbantuan teknologi informasi pada konteks bidang studi teknologi informasi. Teknologi informasi yang digunakan mencakup Learning Management System (LMS) dan konten pembelajaran digital interaktif. Subjek penelitian adalah siswa Sekolah Menengah Kejuruan (SMK), yang dibagi menjadi kelompok eksperimen dan kontrol, masing-masing terdiri dari 80 siswa. Kelompok eksperimen menerapkan metode pembelajaran DI dengan dukungan teknologi informasi, sedangkan kelompok kontrol menggunakan metode pembelajaran DI tanpa dukungan teknologi. Data hasil belajar diperoleh melalui tes kinerja, sementara data kemandirian belajar dikumpulkan menggunakan kuesioner. Desain penelitian eksperimen adalah Static-Group Pretest-Posttest tanpa mekanisme random selection dan random assignment. Desain tersebut dipilih karena posisi subjek penelitian tidak memungkinkan diatur ulang secara sepihak oleh peneliti. Hasil penelitian menunjukkan bahwa pembelajaran DI berbantuan teknologi informasi memiliki kekuatan dampak yang signifikan terhadap hasil belajar dan kemandirian belajar siswa. Namun demikian, implementasi DI berbantuan teknologi informasi memiliki kekuatan dampak yang lebih besar terhadap kemandirian belajar (t(158) = 26,152, p < 0,001, d = 4,09) dibandingkan dengan hasil belajar (t(158) = 21,152, p < 0,001, d = 3,29).Penelitian ini menganalisis kekuatan dampak implementasi pembelajaran Direct Instruction (DI) berbantuan teknologi informasi terhadap hasil belajar dan kemandirian belajar pengetahuan prosedural pada subjek pemrograman komputer. Tujuan tersebut dipicu oleh keterbatasn teori saat ini yang mampu menunjukkan seberapa besar dampak DI berbantuan teknologi informasi pada konteks bidang studi teknologi informasi. Teknologi informasi yang digunakan mencakup Learning Management System (LMS) dan konten pembelajaran digital interaktif. Subjek penelitian adalah siswa Sekolah Menengah Kejuruan (SMK), yang dibagi menjadi kelompok eksperimen dan kontrol, masing-masing terdiri dari 80 siswa. Kelompok eksperimen menerapkan metode pembelajaran DI dengan dukungan teknologi informasi, sedangkan kelompok kontrol menggunakan metode pembelajaran DI tanpa dukungan teknologi. Data hasil belajar diperoleh melalui tes kinerja, sementara data kemandirian belajar dikumpulkan menggunakan kuesioner. Desain penelitian eksperimen adalah Static-Group Pretest-Posttest tanpa mekanisme random selection dan random assignment. Desain tersebut dipilih karena posisi subjek penelitian tidak memungkinkan diatur ulang secara sepihak oleh peneliti. Hasil penelitian menunjukkan bahwa pembelajaran DI berbantuan teknologi informasi memiliki kekuatan dampak yang signifikan terhadap hasil belajar dan kemandirian belajar siswa. Namun demikian, implementasi DI berbantuan teknologi informasi memiliki kekuatan dampak yang lebih besar terhadap kemandirian belajar (t(158) = 26,152, p < 0,001, d = 4,09) dibandingkan dengan hasil belajar (t(158) = 21,152, p < 0,001, d = 3,29).
Abstract
This study analyzes the impact of implementing direct instruction assisted by information technology on learning outcomes and self-regulated learning of procedural knowledge within the computer programming subject. The objective is prompted by the limitations of current theories in demonstrating the extent of the impact of technology-assisted direct instruction within the context of information technology subject. The information technology utilized includes a Learning Management System (LMS) and interactive digital learning content. The research subjects were vocational high school students, divided into experimental and control groups, each consisting of 80 students. The experimental group applied the direct instruction method with the support of information technology, while the control group used the direct instruction method without technological support. Learning outcomes data were obtained through performance tests, while self-regulated learning data were collected using questionnaires. The experimental design was a Static-Group Pretest-Posttest without random selection and random assignment mechanisms, chosen because the positions of the research subjects could not be rearranged unilaterally by the researcher. The results showed that direct instruction assisted by information technology had a significant impact on students\u27 learning outcomes and self-regulated learning. However, the implementation of direct instruction with information technology support had a greater impact on self-regulated learning (t(158) = 26,152, p < 0.001, d = 4,09) compared to learning outcomes (t(158) = 21,152, p < 0,001, d = 3,29). These findings underscore the importance of integrating technology into face-to-face learning to enhance students\u27 learning outcomes and self-regulated learning in procedural knowledge within the information technology domain
Pengembangan Konten Pembelajaran Matematika dengan Pendekatan Tematik pada Siswa ABK Tunagrahita Di SMKN 2 Malang
Get PDFPenelitian ini bertujuan untuk mengembangkan materi pembelajaran matematika dengan pendekatan tematik khusus untuk siswa ABK tunagrahita di SMKN 2 Malang. Menindaklanjuti permasalahan pada hasil evaluasi penelitian sebelumnya yang telah dilakukanakni pengujian media pembelajaran matematika bernama SoulMath pada siswa ABK tunagrahita bahwa konten pembelajaran masih belum sepenuhnya sesuai dengan karakteristik dan tujuan pembelajaran siswa ABK tunagrahita. Metode penelitian yang digunakan adalah Research & Development (R&D), dengan menggunakan model ADDIE untuk perancangan dan evaluasi. Evaluasi fokus pada tingkat pemahaman dan minat belajar siswa. Penelitian dilakukan pada kelas X dan XI program keahlian perhotelan dengan partisipasi 13 siswa. Desain eksperimen yang digunakan adalah One Group Pretest-Postest, dengan analisis data meliputi analisis deskriptif dan uji paired sample t-test. Hasil uji normalitas menunjukkan bahwa data pre-test dan post-test memiliki distribusi normal, sehingga hipotesis H1 diterima, menunjukkan peningkatan pemahaman konsep matematika pada siswa ABK tunagrahita dengan penggunaan konten media pembelajaran. Selain itu, tingkat minat belajar siswa dinilai tinggi dengan nilai rata-rata 4,2 pada skala Likert, menunjukkan tingkat ketertarikan yang tinggi dalam pembelajaran. Keberhasilan media juga tercermin dari peningkatan rata-rata nilai pre-test sebesar 53,11 menjadi 83,88 pada post-test, dengan nilai signifikansi 0,000 yang menujukkan peningkatan signifikan. Hal ini membuktikan bahwa media pembelajaran yang dikembangkan tidak hanya menarik minat belajar siswa, tetapi juga efektif dalam meningkatkan pemahaman konsep matematika.
Abstract
This study aims to develop mathematics learning materials with a special thematic approach for students with disabilities with disabilities at SMKN 2 Malang. Following up on the problems in the evaluation results of previous research that I have done, namely testing mathematics learning media called SoulMath on students with disabilities, that the learning content is still not fully in accordance with the characteristics and learning objectives of students with disabilities. The research method used is Research & Development (R&D), using the ADDIE model for design and evaluation. The evaluation focused on students\u27 level of understanding and interest in learning. The research was conducted in classes X and XI of the hospitality skills program with the participation of 13 students. The experimental design used was One Group Pretest-Postest, with data analysis including descriptive analysis and paired sample t-test. The results of the normality test showed that the pre-test and post-test data had a normal distribution, so the H1 hypothesis was accepted, showing an increase in the understanding of mathematical concepts in students with disabilities with the use of learning media content. In addition, students’ learning interest was rated high, with an average score of 4,2 on the Likert scale, indicating a strong level of engagement in the learning process. The effectiveness of the media is also reflected in the increase of the average pre-test score from 53,11 to 83,88 in the post-test, with a significance value of 0.000, indicating a statistically significant improvement. These findings demonstrate that the developed learning media is not only engaging for students but also effective in enhancing their understanding of mathematical concepts.Penelitian ini bertujuan untuk mengembangkan materi pembelajaran matematika dengan pendekatan tematik khusus untuk siswa ABK tunagrahita di SMKN 2 Malang. Menindaklanjuti permasalahan pada hasil evaluasi penelitian sebelumnya yang telah dilakukanakni pengujian media pembelajaran matematika bernama SoulMath pada siswa ABK tunagrahita bahwa konten pembelajaran masih belum sepenuhnya sesuai dengan karakteristik dan tujuan pembelajaran siswa ABK tunagrahita. Metode penelitian yang digunakan adalah Research & Development (R&D), dengan menggunakan model ADDIE untuk perancangan dan evaluasi. Evaluasi fokus pada tingkat pemahaman dan minat belajar siswa. Penelitian dilakukan pada kelas X dan XI program keahlian perhotelan dengan partisipasi 13 siswa. Desain eksperimen yang digunakan adalah One Group Pretest-Postest, dengan analisis data meliputi analisis deskriptif dan uji paired sample t-test. Hasil uji normalitas menunjukkan bahwa data pre-test dan post-test memiliki distribusi normal, sehingga hipotesis H1 diterima, menunjukkan peningkatan pemahaman konsep matematika pada siswa ABK tunagrahita dengan penggunaan konten media pembelajaran. Selain itu, tingkat minat belajar siswa dinilai tinggi dengan nilai rata-rata 4,2 pada skala Likert, menunjukkan tingkat ketertarikan yang tinggi dalam pembelajaran. Keberhasilan media juga tercermin dari peningkatan rata-rata nilai pre-test sebesar 53,11 menjadi 83,88 pada post-test, dengan nilai signifikansi 0,000 yang menujukkan peningkatan signifikan. Hal ini membuktikan bahwa media pembelajaran yang dikembangkan tidak hanya menarik minat belajar siswa, tetapi juga efektif dalam meningkatkan pemahaman konsep matematika.
Abstract
This study aims to develop mathematics learning materials with a special thematic approach for students with disabilities with disabilities at SMKN 2 Malang. Following up on the problems in the evaluation results of previous research that I have done, namely testing mathematics learning media called SoulMath on students with disabilities, that the learning content is still not fully in accordance with the characteristics and learning objectives of students with disabilities. The research method used is Research & Development (R&D), using the ADDIE model for design and evaluation. The evaluation focused on students\u27 level of understanding and interest in learning. The research was conducted in classes X and XI of the hospitality skills program with the participation of 13 students. The experimental design used was One Group Pretest-Postest, with data analysis including descriptive analysis and paired sample t-test. The results of the normality test showed that the pre-test and post-test data had a normal distribution, so the H1 hypothesis was accepted, showing an increase in the understanding of mathematical concepts in students with disabilities with the use of learning media content. In addition, students’ learning interest was rated high, with an average score of 4,2 on the Likert scale, indicating a strong level of engagement in the learning process. The effectiveness of the media is also reflected in the increase of the average pre-test score from 53,11 to 83,88 in the post-test, with a significance value of 0.000, indicating a statistically significant improvement. These findings demonstrate that the developed learning media is not only engaging for students but also effective in enhancing their understanding of mathematical concepts
Klasifikasi Buah Kelapa berdasarkan Warna Kulit untuk Mengidentifikasi Ketebalan Daging pada Berbagai Tingkat Kematangan Menggunakan Jaringan Saraf Tiruan (JST)
Get PDFKelapa (Cocos nucifera L.) adalah bagian dari suku aren-arenan atau Arecaceae dari marga cocos. Kelapa adalah tanaman yang sering ditemui dan kaya akan manfaat bagi umat manusia, mulai dari daun, batang pohon dan buah kelapanya. Pedagang tradisional dapat menggunakan suara yang dihasilkan dari ketukan tangan untuk mengetahui tingkat kematangan buah kelapa. Namun, dengan cara manual ini ada kemungkinan kesalahan dalam proses pengklasifikasianya. Maka dari itu, pada penelitian ini diusulkan judul Klasifikasi Buah Kelapa Berdasarkan Ketebalan Dagingnya Pada Berbagai Tingkat Kematangan Menggunakan Jaringan Saraf Tiruan (JST). Metode penelitian untuk pengklasifikasian terdiri atas 7 tahap yaitu tahap akuisisi citra, preprocessing, segmentasi, operasi morfologi, ekstraksi fitur, klasifikasi, dan evaluasi. Harapan dari metode yang digunakan untuk memberikan solusi khusunya kepada para petani dan pedagang dalam mengklasifikasi atau menyortir buah kelapa untuk mengetahui kualitas dagingnya dengan bantuan teknologi pengolahan citra digital. Dengan menggunakan 300 dataset citra yang dibagi menjadi 240 citra latih dan 60 citra uji, yang menghasilkan tingkat akurasi 97,91% pada citra latih dan 96,66% pada citra uji. Dengan waktu komputasi 0,31 detik per citra pada citra latih dan 0,21 detik per citra pada citra uji. Sehingga hasil dari pembahasan pada penelitian ini, pengklasifikasian buah kelapa menggunakan metode Jaringan Saraf Tiruan (JST) dengan memanfaatkan fitur warna dapat berjalan dan menghasilkan hasil yang dapat digolongkan baik.Abstract
Coconut (Cocos nucifera L.) is part of the Arecaceae tribe of the cocos genus. Coconut is a plant that is often encountered and is rich in benefits for mankind, starting from the leaves, tree trunk and coconut fruit. Traditional traders can use the sound produced by hand tapping to determine the ripeness of the coconut fruit. However, with this manual method there is a possibility of error in the classification process. Therefore, this research proposes the title Classification of Coconut Fruit Based on the Thickness of the Flesh at Various Levels of Maturity Using Artificial Neural Networks (JST). The research method for classification consists of 7 stages, namely image acquisition, preprocessing, segmentation, morphological operations, feature extraction, classification, and evaluation. The hope of the method used to provide solutions especially to farmers and traders in classifying or sorting coconut fruit to determine the quality of the meat with the help of digital image processing technology. By using 300 image datasets divided into 240 training images and 60 test images, which resulted in an accuracy rate of 97.91% on the training image and 96.66% on the test image. With a computation time of 0.31 seconds per image on the training image and 0.21 seconds per image on the test image. So that the results of the discussion in this study, the classification of coconut fruit using the Artificial Neural Network (JST) method by utilizing color features can run and produce results that can be classified as good.Kelapa (Cocos nucifera L.) adalah bagian dari suku aren-arenan atau Arecaceae dari marga cocos. Kelapa adalah tanaman yang sering ditemui dan kaya akan manfaat bagi umat manusia, mulai dari daun, batang pohon dan buah kelapanya. Pedagang tradisional dapat menggunakan suara yang dihasilkan dari ketukan tangan untuk mengetahui tingkat kematangan buah kelapa. Namun, dengan cara manual ini ada kemungkinan kesalahan dalam proses pengklasifikasianya. Maka dari itu, pada penelitian ini diusulkan judul Klasifikasi Buah Kelapa Berdasarkan Ketebalan Dagingnya Pada Berbagai Tingkat Kematangan Menggunakan Jaringan Saraf Tiruan (JST). Metode penelitian untuk pengklasifikasian terdiri atas 7 tahap yaitu tahap akuisisi citra, preprocessing, segmentasi, operasi morfologi, ekstraksi fitur, klasifikasi, dan evaluasi. Harapan dari metode yang digunakan untuk memberikan solusi khusunya kepada para petani dan pedagang dalam mengklasifikasi atau menyortir buah kelapa untuk mengetahui kualitas dagingnya dengan bantuan teknologi pengolahan citra digital. Dengan menggunakan 300 dataset citra yang dibagi menjadi 240 citra latih dan 60 citra uji, yang menghasilkan tingkat akurasi 97,91% pada citra latih dan 96,66% pada citra uji. Dengan waktu komputasi 0,31 detik per citra pada citra latih dan 0,21 detik per citra pada citra uji. Sehingga hasil dari pembahasan pada penelitian ini, pengklasifikasian buah kelapa menggunakan metode Jaringan Saraf Tiruan (JST) dengan memanfaatkan fitur warna dapat berjalan dan menghasilkan hasil yang dapat digolongkan baik.Abstract
Coconut (Cocos nucifera L.) is part of the Arecaceae tribe of the cocos genus. Coconut is a plant that is often encountered and is rich in benefits for mankind, starting from the leaves, tree trunk and coconut fruit. Traditional traders can use the sound produced by hand tapping to determine the ripeness of the coconut fruit. However, with this manual method there is a possibility of error in the classification process. Therefore, this research proposes the title Classification of Coconut Fruit Based on the Thickness of the Flesh at Various Levels of Maturity Using Artificial Neural Networks (JST). The research method for classification consists of 7 stages, namely image acquisition, preprocessing, segmentation, morphological operations, feature extraction, classification, and evaluation. The hope of the method used to provide solutions especially to farmers and traders in classifying or sorting coconut fruit to determine the quality of the meat with the help of digital image processing technology. By using 300 image datasets divided into 240 training images and 60 test images, which resulted in an accuracy rate of 97.91% on the training image and 96.66% on the test image. With a computation time of 0.31 seconds per image on the training image and 0.21 seconds per image on the test image. So that the results of the discussion in this study, the classification of coconut fruit using the Artificial Neural Network (JST) method by utilizing color features can run and produce results that can be classified as good
Studi Pendekatan Quality & Differential Analysis TerhadapKinerja Algoritma AES-CBC pada Enkripsi Gambar
Get PDFPenelitian ini mengeksplorasi pendekatan Quality & Differential Analysis untuk menilai kinerja algoritma AES-Cipher Block Chaining (AES-CBC) pada enkripsi gambar dengan resolusi 512 x 512 piksel. Algoritma AES-CBC dipilih karena kemampuannya menyediakan enkripsi blok yang aman dan efisien terhadap data berstruktur pada gambar berekstensi *.jpg, *.jpeg, *.png, *.gif, *.bmp, *.tiff, *.webp, *.heic, *.heif, *.svg, *.raw, *.psd, dan *.ico. Penelitian ini menggunakan tujuh metrik evaluasi yang komprehensif: Encryption Quality (MSE, RMSE, PSNR, SSIM) dan Differential Analysis (NPCR, UACI, CC), yang lebih komprehensif dibandingkan beberapa penelitian sebelumnya yang umumnya hanya menggunakan dua atau tiga metrik. Hasil penelitian menunjukkan bahwa algoritma AES-CBC mampu menghasilkan enkripsi gambar yang kuat, dengan nilai MSE dan RMSE sebesar 0.0, PSNR tak terhingga (inf dB), dan SSIM 1.0. Nilai NPCR berkisar antara 99.97% hingga 100%, UACI antara 49.87% hingga 50.26%, dan CC antara -0.0055 hingga 0.007, menunjukkan kemampuan algoritma dalam menangani perubahan diferensial. Penelitian ini memberikan wawasan mendalam tentang efektivitas algoritma AES-CBC dalam mengamankan file gambar dan menawarkan analisis menyeluruh tentang kualitas enkripsi dan ketahanannya terhadap serangan diferensial. Hasil penelitian ini diharapkan dapat berkontribusi pada pengembangan teknik enkripsi yang lebih aman di masa depan.
Abstract
This research explores Quality & Differential Analysis approach to assess the performance of AES-Cipher Block Chaining (AES-CBC) algorithm on image encryption with 512 x 512 pixels resolution. The AES-CBC algorithm was chosen for its ability to provide secure and efficient block encryption of structured data in images with the extensions *.jpg, *.jpeg, *.png, *.gif, *.bmp, *.tiff, *.webp, *.heic, *.heif, *.svg, *.raw, *.psd, and *.ico. This research uses seven comprehensive evaluation metrics: Encryption Quality (MSE, RMSE, PSNR, SSIM) and Differential Analysis (NPCR, UACI, CC), which is more comprehensive than some previous studies that generally only use two or three metrics. The results show that the AES-CBC algorithm is able to produce strong image encryption, with MSE and RMSE values of 0.0, PSNR infinity (inf dB), and SSIM 1.0. NPCR values range from 99.97% to 100%, UACI between 49.87% to 50.26%, and CC between -0.0055 to 0.007, demonstrating the algorithm\u27s ability to handle differential changes. This research provides an in-depth insight into the effectiveness of the AES-CBC algorithm in securing image files and offers a thorough analysis of its encryption quality and resistance to differential attacks. The results of this research are expected to contribute to the development of more secure encryption techniques in the future.Penelitian ini mengeksplorasi pendekatan Quality & Differential Analysis untuk menilai kinerja algoritma AES-Cipher Block Chaining (AES-CBC) pada enkripsi gambar dengan resolusi 512 x 512 piksel. Algoritma AES-CBC dipilih karena kemampuannya menyediakan enkripsi blok yang aman dan efisien terhadap data berstruktur pada gambar berekstensi *.jpg, *.jpeg, *.png, *.gif, *.bmp, *.tiff, *.webp, *.heic, *.heif, *.svg, *.raw, *.psd, dan *.ico. Penelitian ini menggunakan tujuh metrik evaluasi yang komprehensif: Encryption Quality (MSE, RMSE, PSNR, SSIM) dan Differential Analysis (NPCR, UACI, CC), yang lebih komprehensif dibandingkan beberapa penelitian sebelumnya yang umumnya hanya menggunakan dua atau tiga metrik. Hasil penelitian menunjukkan bahwa algoritma AES-CBC mampu menghasilkan enkripsi gambar yang kuat, dengan nilai MSE dan RMSE sebesar 0.0, PSNR tak terhingga (inf dB), dan SSIM 1.0. Nilai NPCR berkisar antara 99.97% hingga 100%, UACI antara 49.87% hingga 50.26%, dan CC antara -0.0055 hingga 0.007, menunjukkan kemampuan algoritma dalam menangani perubahan diferensial. Penelitian ini memberikan wawasan mendalam tentang efektivitas algoritma AES-CBC dalam mengamankan file gambar dan menawarkan analisis menyeluruh tentang kualitas enkripsi dan ketahanannya terhadap serangan diferensial. Hasil penelitian ini diharapkan dapat berkontribusi pada pengembangan teknik enkripsi yang lebih aman di masa depan.
Abstract
This research explores Quality & Differential Analysis approach to assess the performance of AES-Cipher Block Chaining (AES-CBC) algorithm on image encryption with 512 x 512 pixels resolution. The AES-CBC algorithm was chosen for its ability to provide secure and efficient block encryption of structured data in images with the extensions *.jpg, *.jpeg, *.png, *.gif, *.bmp, *.tiff, *.webp, *.heic, *.heif, *.svg, *.raw, *.psd, and *.ico. This research uses seven comprehensive evaluation metrics: Encryption Quality (MSE, RMSE, PSNR, SSIM) and Differential Analysis (NPCR, UACI, CC), which is more comprehensive than some previous studies that generally only use two or three metrics. The results show that the AES-CBC algorithm is able to produce strong image encryption, with MSE and RMSE values of 0.0, PSNR infinity (inf dB), and SSIM 1.0. NPCR values range from 99.97% to 100%, UACI between 49.87% to 50.26%, and CC between -0.0055 to 0.007, demonstrating the algorithm\u27s ability to handle differential changes. This research provides an in-depth insight into the effectiveness of the AES-CBC algorithm in securing image files and offers a thorough analysis of its encryption quality and resistance to differential attacks. The results of this research are expected to contribute to the development of more secure encryption techniques in the future
Implementasi Time-Based One-Time Password Menggunakan Algoritma Photon Untuk Autentikasi Dua Faktor
Get PDFDi era digital yang makin maju, perlindungan terhadap data sensitif menjadi sangat penting. Two-factor Authentication (2FA) atau autentikasi dua faktor adalah metode keamanan yang efektif untuk memastikan bahwa hanya pengguna sah yang dapat mengakses data atau sistem sensitif dengan mengharuskan pengguna untuk memberikan dua bentuk identifikasi yang berbeda. Salah satu metode 2FA yang banyak digunakan adalah Time-based One-Time Password (TOTP) yang menggunakan algoritma Hash-based Message Authentication (HMAC) dengan fungsi hash SHA-1. Namun, fungsi SHA-1 diketahui memiliki kelemahan keamanan. Penelitian ini bertujuan untuk meningkatkan keamanan TOTP dengan mengimplementasikan fungsi hash PHOTON, algoritma hash ringan yang dirancang dengan keamanan yang baik dan penggunaan sumber daya komputasi yang efisien. Metodologi penelitian ini melibatkan pengembangan dan pengujian sistem autentikasi dua faktor berbasis TOTP dengan algoritma HMAC yang menggunakan fungsi hash PHOTON. Hasil penelitian menunjukkan bahwa sistem mampu bertahan dari brute-force attack dan birthday attack. Selain itu, fungsi TOTP yang menerapkan PHOTON memiliki waktu eksekusi yang lebih cepat dari SHA-1 dan SHA-2.
Abstract
In the increasingly advanced digital era, protection of sensitive data is very important. Two-factor Authentication (2FA) is an effective security method to ensure that only authorized users can access sensitive data or systems by requiring users to provide two different forms of identification. One of the widely used 2FA methods is Time-based One-Time Password (TOTP) which uses the Hash-based Message Authentication (HMAC) algorithm with the SHA-1 hash function. However, the SHA-1 function is known to have security weaknesses. This study aims to improve the security of TOTP by implementing the PHOTON hash function, a lightweight hash algorithm designed with good security and efficient use of computing resources. The research methodology involves the development and testing of a TOTP-based two-factor authentication system with the HMAC algorithm using the PHOTON hash function. The results of the study show that the system is able to withstand brute-force attacks and birthday attacks. In addition, the TOTP function implementing PHOTON has a faster execution time than SHA-1 and SHA-2.Di era digital yang makin maju, perlindungan terhadap data sensitif menjadi sangat penting. Two-factor Authentication (2FA) atau autentikasi dua faktor adalah metode keamanan yang efektif untuk memastikan bahwa hanya pengguna sah yang dapat mengakses data atau sistem sensitif dengan mengharuskan pengguna untuk memberikan dua bentuk identifikasi yang berbeda. Salah satu metode 2FA yang banyak digunakan adalah Time-based One-Time Password (TOTP) yang menggunakan algoritma Hash-based Message Authentication (HMAC) dengan fungsi hash SHA-1. Namun, fungsi SHA-1 diketahui memiliki kelemahan keamanan. Penelitian ini bertujuan untuk meningkatkan keamanan TOTP dengan mengimplementasikan fungsi hash PHOTON, algoritma hash ringan yang dirancang dengan keamanan yang baik dan penggunaan sumber daya komputasi yang efisien. Metodologi penelitian ini melibatkan pengembangan dan pengujian sistem autentikasi dua faktor berbasis TOTP dengan algoritma HMAC yang menggunakan fungsi hash PHOTON. Hasil penelitian menunjukkan bahwa sistem mampu bertahan dari brute-force attack dan birthday attack. Selain itu, fungsi TOTP yang menerapkan PHOTON memiliki waktu eksekusi yang lebih cepat dari SHA-1 dan SHA-2.
Abstract
In the increasingly advanced digital era, protection of sensitive data is very important. Two-factor Authentication (2FA) is an effective security method to ensure that only authorized users can access sensitive data or systems by requiring users to provide two different forms of identification. One of the widely used 2FA methods is Time-based One-Time Password (TOTP) which uses the Hash-based Message Authentication (HMAC) algorithm with the SHA-1 hash function. However, the SHA-1 function is known to have security weaknesses. This study aims to improve the security of TOTP by implementing the PHOTON hash function, a lightweight hash algorithm designed with good security and efficient use of computing resources. The research methodology involves the development and testing of a TOTP-based two-factor authentication system with the HMAC algorithm using the PHOTON hash function. The results of the study show that the system is able to withstand brute-force attacks and birthday attacks. In addition, the TOTP function implementing PHOTON has a faster execution time than SHA-1 and SHA-2
Perbandingan ANN, Random Forest, dan XGBoost dalam Klasifikasi Antibiotik dengan Penerapan metode Sampling
Get PDFBanyak obat potensial telah ditemukan dari produk alami laut (Marine Natural Product). Hal ini menunjukkan bahwa senyawa laut merupakan sumber penting dalam pengembangan dan penemuan obat. Meskipun banyak senyawa laut yang menunjukkan aktivitas biologis tertentu, hanya sedikit yang tercatat sebagai senyawa antibakteri. Oleh karena itu, menemukan senyawa yang berpotensi sebagai senyawa antibakteri dari organisme laut masih menjadi tantangan. Tujuan dari penelitian ini adalah untuk memanfaatkan pendekatan komputasi untuk menemukan senyawa antibakteri dari produk alami laut yang berpotensi menjadi obat. Penelitian ini berfokus pada penggunaan model Artificial Neural Network (ANN), Random Forest, dan XGBoost untuk melakukan klasifikasi berdasarkan kemiripan kimiawi antara senyawa produk alami laut di Indonesia dengan senyawa antibakteri. Untuk mengatasi ketidakseimbangan data, digunakan teknik resampling berupa SMOTE dan undersampling (US). Hasil penelitian menunjukkan bahwa akurasi XGBoost + SMOTE memiliki nilai yang paling tinggi, yaitu 98.89%, mengungguli model ANN 97.57%, Random Forest (RF) 97.06%, serta model dengan resampling lain seperti ANN+SMOTE 98.67% dan RF + SMOTE 98.59%. Sementara itu, penerapan teknik undersampling menyebabkan penurunan akurasi secara signifikan, di mana XGBoost + US, RF + US, dan ANN + US masing-masing hanya mencapai 91.12%, 91.59%, dan 87.85%. Dari 73 senyawa biota laut, hanya senyawa yang memiliki CID 101767277 yang diprediksi sebagai senyawa yang potensial sebagai antibakteri.
Abstract
Many potential drugs have been discovered from marine natural products. This suggests that marine compounds are essential in drug development and discovery. Although many marine compounds exhibit certain biological activities, only a few have been recorded as antibacterial compounds. Therefore, finding compounds with potential as antibacterial compounds from marine organisms remains a challenge. This paper aims to utilize computational approaches to discover antibacterial compounds from marine natural products that have the potential to become drugs. This research focuses on the use of Artificial Neural Network (ANN), Random Forest (RF), and XGBoost models to perform classification based on chemical similarity between compounds of marine natural products in Indonesia and antibacterial compounds. To overcome data imbalance, resampling techniques such as SMOTE and undersampling (US) were used. The results showed that the accuracy of XGBoost + SMOTE has the highest value, which is 98.89%, outperforming the ANN model 97.57%, Random Forest (RF) 97.06%, as well as models with other resampling such as ANN+SMOTE 98.67% and RF + SMOTE 98.59%. Meanwhile, the application of undersampling techniques caused a significant decrease in accuracy, where XGBoost + US, RF + US, and ANN + US only reached 91.12%, 91.59%, and 87.85%, respectively. Of the 73 marine biota compounds, only compounds that have CID 101767277 are predicted as potential antibacterial compounds.Banyak obat potensial telah ditemukan dari produk alami laut (Marine Natural Product). Hal ini menunjukkan bahwa senyawa laut merupakan sumber penting dalam pengembangan dan penemuan obat. Meskipun banyak senyawa laut yang menunjukkan aktivitas biologis tertentu, hanya sedikit yang tercatat sebagai senyawa antibakteri. Oleh karena itu, menemukan senyawa yang berpotensi sebagai senyawa antibakteri dari organisme laut masih menjadi tantangan. Tujuan dari penelitian ini adalah untuk memanfaatkan pendekatan komputasi untuk menemukan senyawa antibakteri dari produk alami laut yang berpotensi menjadi obat. Penelitian ini berfokus pada penggunaan model Artificial Neural Network (ANN), Random Forest, dan XGBoost untuk melakukan klasifikasi berdasarkan kemiripan kimiawi antara senyawa produk alami laut di Indonesia dengan senyawa antibakteri. Untuk mengatasi ketidakseimbangan data, digunakan teknik resampling berupa SMOTE dan undersampling (US). Hasil penelitian menunjukkan bahwa akurasi XGBoost + SMOTE memiliki nilai yang paling tinggi, yaitu 98.89%, mengungguli model ANN 97.57%, Random Forest (RF) 97.06%, serta model dengan resampling lain seperti ANN+SMOTE 98.67% dan RF + SMOTE 98.59%. Sementara itu, penerapan teknik undersampling menyebabkan penurunan akurasi secara signifikan, di mana XGBoost + US, RF + US, dan ANN + US masing-masing hanya mencapai 91.12%, 91.59%, dan 87.85%. Dari 73 senyawa biota laut, hanya senyawa yang memiliki CID 101767277 yang diprediksi sebagai senyawa yang potensial sebagai antibakteri.
Abstract
Many potential drugs have been discovered from marine natural products. This suggests that marine compounds are essential in drug development and discovery. Although many marine compounds exhibit certain biological activities, only a few have been recorded as antibacterial compounds. Therefore, finding compounds with potential as antibacterial compounds from marine organisms remains a challenge. This paper aims to utilize computational approaches to discover antibacterial compounds from marine natural products that have the potential to become drugs. This research focuses on the use of Artificial Neural Network (ANN), Random Forest (RF), and XGBoost models to perform classification based on chemical similarity between compounds of marine natural products in Indonesia and antibacterial compounds. To overcome data imbalance, resampling techniques such as SMOTE and undersampling (US) were used. The results showed that the accuracy of XGBoost + SMOTE has the highest value, which is 98.89%, outperforming the ANN model 97.57%, Random Forest (RF) 97.06%, as well as models with other resampling such as ANN+SMOTE 98.67% and RF + SMOTE 98.59%. Meanwhile, the application of undersampling techniques caused a significant decrease in accuracy, where XGBoost + US, RF + US, and ANN + US only reached 91.12%, 91.59%, and 87.85%, respectively. Of the 73 marine biota compounds, only compounds that have CID 101767277 are predicted as potential antibacterial compounds
Analisis Pengaruh Media Pembelajaran Augmented Reality, Video, dan Slide Terhadap Hasil Belajar dan Daya Ingat Siswa Kelas X pada Mata Pelajaran Informatika di SMK Negeri 6 Malang
Get PDFPenelitian ini berawal dari permasalahan adanya perbedaan signifikan dalam hasil belajar siswa di tiga kelas yang berbeda. Perbedaan ini dipengaruhi oleh keterbatasan akses ke laboratorium komputer, di mana kelas dengan fasilitas yang lebih baik mencapai nilai rata-rata yang lebih tinggi. Memori juga berperan penting dalam mempertahankan pemahaman, bahkan ketika digunakan kembali di masa mendatang. Teknologi Augmented Reality (AR) dianggap mampu mengatasi masalah ini dengan menciptakan pengalaman belajar yang lebih interaktif dan imersif. Penelitian ini melibatkan 96 siswa (N=96) dan membandingkan efektivitas media pembelajaran AR, video, dan slide dalam meningkatkan hasil belajar dan daya ingat siswa yang menggunakan metode eksperimen pre-test post-test control group design. Hasil belajar diukur pada tiga waktu yaitu pre-test, post-test, dan delayed-test satu minggu setelah perlakuan. Data dianalisis menggunakan uji Wilcoxon dan efektivitas media dianalisis menggunakan Cohen’s D. Hasil penelitian menunjukkan bahwa siswa yang menggunakan AR mengalami peningkatan yang lebih signifikan dalam hasil belajar, dengan ukuran efek sebesar 2.21 dibandingkan kelas video dan 2.24 dibandingkan kelas slide. Daya ingat siswa juga lebih baik di kelas AR, dengan ukuran efek sebesar -0.10, yang menunjukkan bahwa meskipun terjadi penurunan skor, AR memiliki pengaruh kuat dalam mempertahankan informasi. Kesimpulannya, AR lebih efektif dibandingkan media pembelajaran video dan slide. Media pembelajaran Augmented Reality (AR) lebih efektif dalam meningkatkan hasil belajar dan mempertahankan daya ingat siswa, karena menawarkan pengalaman belajar yang interaktif, imersif, dan mendalam melalui visualisasi yang kuat dan pembelajaran multisensori.
Abstract
This study began with the problem of significant differences in student learning outcomes in three different classes. This difference is influenced by limited access to computer labs, where classes with better facilities achieve higher average scores. Memory also plays an important role in maintaining understanding, even when reused in the future. Augmented Reality (AR) technology is considered capable of overcoming this problem by creating a more interactive and immersive learning experience. This study involved 96 students (N=96) and compared the effectiveness of AR, video, and slide learning media in improving student learning outcomes and memory using the experimental method pre-test post-test control group design. The results after learning were measured at three times, namely pre-test, post-test, and Delayed-test one week of treatment. Data were analyzed using the Wilcoxon test and media effectiveness was analyzed using Cohen\u27s D. The results showed that students who used AR experienced a more significant increase in learning outcomes, with an effect size of 2.21 compared to the video class and 2.24 compared to the slide class. Students’ retention was also better in the AR class, with an effect size of -0.10, indicating that despite the decrease in scores, AR had a strong influence in retaining information. In conclusion, AR is more effective than video and slide learning media. Augmented Reality (AR) learning media is more effective in improving learning outcomes and maintaining student retention, because it offers an interactive, immersive, and deep learning experience through strong visualization and multisensory learning.Penelitian ini berawal dari permasalahan adanya perbedaan signifikan dalam hasil belajar siswa di tiga kelas yang berbeda. Perbedaan ini dipengaruhi oleh keterbatasan akses ke laboratorium komputer, di mana kelas dengan fasilitas yang lebih baik mencapai nilai rata-rata yang lebih tinggi. Memori juga berperan penting dalam mempertahankan pemahaman, bahkan ketika digunakan kembali di masa mendatang. Teknologi Augmented Reality (AR) dianggap mampu mengatasi masalah ini dengan menciptakan pengalaman belajar yang lebih interaktif dan imersif. Penelitian ini melibatkan 96 siswa (N=96) dan membandingkan efektivitas media pembelajaran AR, video, dan slide dalam meningkatkan hasil belajar dan daya ingat siswa yang menggunakan metode eksperimen pre-test post-test control group design. Hasil belajar diukur pada tiga waktu yaitu pre-test, post-test, dan delayed-test satu minggu setelah perlakuan. Data dianalisis menggunakan uji Wilcoxon dan efektivitas media dianalisis menggunakan Cohen’s D. Hasil penelitian menunjukkan bahwa siswa yang menggunakan AR mengalami peningkatan yang lebih signifikan dalam hasil belajar, dengan ukuran efek sebesar 2.21 dibandingkan kelas video dan 2.24 dibandingkan kelas slide. Daya ingat siswa juga lebih baik di kelas AR, dengan ukuran efek sebesar -0.10, yang menunjukkan bahwa meskipun terjadi penurunan skor, AR memiliki pengaruh kuat dalam mempertahankan informasi. Kesimpulannya, AR lebih efektif dibandingkan media pembelajaran video dan slide. Media pembelajaran Augmented Reality (AR) lebih efektif dalam meningkatkan hasil belajar dan mempertahankan daya ingat siswa, karena menawarkan pengalaman belajar yang interaktif, imersif, dan mendalam melalui visualisasi yang kuat dan pembelajaran multisensori.
Abstract
This study began with the problem of significant differences in student learning outcomes in three different classes. This difference is influenced by limited access to computer labs, where classes with better facilities achieve higher average scores. Memory also plays an important role in maintaining understanding, even when reused in the future. Augmented Reality (AR) technology is considered capable of overcoming this problem by creating a more interactive and immersive learning experience. This study involved 96 students (N=96) and compared the effectiveness of AR, video, and slide learning media in improving student learning outcomes and memory using the experimental method pre-test post-test control group design. The results after learning were measured at three times, namely pre-test, post-test, and Delayed-test one week of treatment. Data were analyzed using the Wilcoxon test and media effectiveness was analyzed using Cohen\u27s D. The results showed that students who used AR experienced a more significant increase in learning outcomes, with an effect size of 2.21 compared to the video class and 2.24 compared to the slide class. Students’ retention was also better in the AR class, with an effect size of -0.10, indicating that despite the decrease in scores, AR had a strong influence in retaining information. In conclusion, AR is more effective than video and slide learning media. Augmented Reality (AR) learning media is more effective in improving learning outcomes and maintaining student retention, because it offers an interactive, immersive, and deep learning experience through strong visualization and multisensory learning