16 research outputs found
Perbedaan Model Pembelajaran CTL (Contextual Teaching Learning) dan Model Pembelajaran CTL Berbasis Modul untuk Meningkatkan Hasil Belajar Rumus dan Fungsi Microsoft Excel 2007 pada Siswa Kelas VIII SMP Negeri 16 Malang
No full textABSTRAK Fadllullah, Arif. 2012. Perbedaan Model Pembelajaran CTL (Contextual Teaching And Learning) Dan Model Pembelajaran CTL Berbasis Modul Untuk Meningkatkan Hasil Belajar Rumus Dan Fungsi Microsoft Excel 2007 Pada Siswa Kelas VIII SMP Negeri 16 Malang. Skripsi. Prodi Pendidikan Teknik Informatika, Jurusan Teknik Elektro Universitas Negeri Malang. Pembimbing: (1) Drs. Puger Honggowiyono, M.T (2) Didik Dwi Prasetya, S.T, M.T Kata kunci: CTL berbasis modul, hasil belajar, rumus dan fungsi microsoft Excel 2007 Materi rumus dan fungsi microsoft excel 2007excel. Materi ini tidak hanya menuntut siswa untuk sekedar adalah salah satu materi TIK yang menjelaskan tentang bagaimana penggunaan formulasi paham terhadap konsep, tetapi juga terampil dalam penggunaannya. Hal inilah yang kemudian membuat siswa semakin menjauhi dan enggan belajar materi ini karena dirasa sulit. Oleh karena itu, untuk menciptakan situasi pembelajaran yang membuat siswa semangat untuk paham serta terampil belajar rumus dan fungsi, maka perlu diterapkan model pembelajaran yang tepat, misalnya penerapan CTL berbasis modul. Pembelajaran ini memberikan kesempatan kepada siswa untuk bekerja dan belajar sesuai dengan kecepatannya. Modul-modul mengimplementasikan kompetensi yang sesuai dengan kondisi yang dituntut, sehingga mampu mendorong siswa dalam peningkatan keterampilan penggunaaan yang diikuti pemahaman yang baik terhadap microsoft excel 2007. Rancangan penelitian ini adalah eksperimental semu dengan pre test dan post test design yang diberikan kepada kelas eksperimen dan kontrol. Populasi penelitian ini adalah seluruh siswa kelas VIII SMPN 16 Malang. Pengambilan sampel dilakukan dengan purposive sampling untuk menentukan kedua kelas. Variabel bebas yaitu model pembelajaran dan variabel terikat yaitu hasil belajar. Instrumen yang digunakan yaitu instrumen perlakuan dan instrumen pengukuran. Hasil penelitian menunjukkan bahwa penerapan CTL berbasis modul pada kelas eksperimen memiliki rata-rata hasil belajar lebih tinggi dari pada penerapan CTL pada kelas kontrol yaitu 78,30 > 74,57. Ini terbukti dari hasil belajar antara kelas eksperimen dan kelas kontrol menunjukkan perbedaan yang signifikan yaitu dengan nilai Sig(p) 0,004 < 0,05. Selain itu, terdapat pengaruh signifikan penerapan CTL berbasis modul terhadap hasil belajar dengan hubungan sebesar 83,7% serta sumbangan pengaruh 70% dan juga terdapat pengaruh signifikan penerapan CTL terhadap hasil belajar dengan hubungan sebesar 81,2% serta sumbangan pengaruh 66%. Kesimpulan dari hasil penelitian ini adalah bahwa penerapan CTL berbasis modul pada kelas eksperimen lebih baik dan berpengaruh signifikan daripada penerapan CTL pada kelas kontrol karena siswa lebih bisa aktif mengolah pengetahuannya dalam menyelesaikan masalah melalui pengerjaan langkah praktikum pada modul. Langkah praktikum modul yang diberikan memberikan kemudahan bagi siswa untuk belajar secara bertahap, sehingga mampu membuat pembelajaran berpusat pada siswa (student centered)
Studi Literatur Penerapan Scrum Framework untuk Meningkatkan Produktivitas Pembuatan Software
No full textAgile method is a method of software development management that comes in response to criticism of the waterfall method. This method is widely applied in large-scale software companies, because of its superiority that emphasizes service oriented rather than waterfall approach. One of the frameworks of the agile method is Scrum. Scrum is a framework that focuses on software development management on developer team performance as a single unit that works together indivisibly, iteration of product items, product incremental, and collaboration with customers. In Scrum, product requirements are flexible because they are not exhaustive at the start of a project, but at each iteration, because customers generally difficult to express their needs explicitly. However, how does Scrum's effectiveness improve software productivity? In this paper, we propose a literature study about SCRUM implementation of some articles that considers resources, cost, time, and system complexity for minimizing software development problems. The results had proven that Scrum could improve software productivity, but with some challenges, such as how to organize team skills, cultural constraints and scenarios of different companies, including communication problems between teams that are often constrained because of the large number of teams and teams scattered in multiple locations
Studi Literatur Penerapan Scrum Framework untuk Meningkatkan Produktivitas Pembuatan Software
No full textAgile method is a method of software development management that comes in response to criticism of the waterfall method. This method is widely applied in large-scale software companies, because of its superiority that emphasizes service oriented rather than waterfall approach. One of the frameworks of the agile method is Scrum. Scrum is a framework that focuses on software development management on developer team performance as a single unit that works together indivisibly, iteration of product items, product incremental, and collaboration with customers. In Scrum, product requirements are flexible because they are not exhaustive at the start of a project, but at each iteration, because customers generally difficult to express their needs explicitly. However, how does Scrum's effectiveness improve software productivity? In this paper, we propose a literature study about SCRUM implementation of some articles that considers resources, cost, time, and system complexity for minimizing software development problems. The results had proven that Scrum could improve software productivity, but with some challenges, such as how to organize team skills, cultural constraints and scenarios of different companies, including communication problems between teams that are often constrained because of the large number of teams and teams scattered in multiple locations
MEKANIKA FISIKA UNTUK GERAK OBJEK 3D BERBASIS OPENGL SEBAGAI APLIKASI MEDIA PEMBELAJARAN
No full textIdentifikasi Penyakit Bercak Daun Kelapa Sawit Menggunakan Algoritma CNN dengan Arsitektur VGG19 Berbasis Citra Digital
Get PDFThis study aims to develop a digital image-based system for identifying leaf spot diseases in oil palm plants using the CNN (Convolutional Neural Network) algorithm with the VGG19 architecture. The dataset consists of 330 primary oil palm leaf images categorized into three classes: leaves infected with leaf rust, healthy leaves, and leaves infected with curvularia. The dataset was divided into 64% training data, 16% validation data, and 20% testing data. The system development process includes preprocessing, data augmentation, data splitting, model training using the VGG19 architecture, and model evaluation. The training results over 200 epochs achieved an accuracy of 0.93 on the training data and 0.98 on the validation data. Model evaluation on the test data produced precision, recall, and F1-score values of 0.94, 0.81, and 0.87 for the “Leaf Rust” class; 0.84, 0.95, and 0.89 for the “Healthy Leaf” class; and 1.00 for the “Curvularia” class. The testing results indicate consistent performance, suggesting that the proposed system is effective in classifying oil palm leaf spot diseases. The developed system has the potential to be used as an early detection tool for leaf spot diseases to support the improvement of oil palm productivity.Penelitian ini bertujuan untuk mengembangkan sistem identifikasi penyakit bercak daun pada tanaman kelapa sawit berbasis citra digital dengan memanfaatkan algoritma CNN (Convolutional Neural Network) menggunakan arsitektur VGG19. Dataset yang digunakan terdiri atas 330 citra daun kelapa sawit primer yang dikategorikan ke dalam tiga kelas, yaitu daun terinfeksi karat daun, daun sehat, dan daun terinfeksi curvularia dengan proporsi pembagian dataset menjadi 64% data latih, 16% data validasi, dan 20% data uji. Proses pengembangan sistem meliputi tahap preprocessing, augmentasi data, split data, pelatihan model dengan arsitektur VGG19 dan evaluasi model. Hasil pelatihan model sebanyak 200 epoch menunjukkan akurasi sebesar 0,93 pada data latih dan 0,98 pada data validasi. Kemudian evaluasi model terhadap data uji menghasilkan nilai precision, recall, dan F1-score masing-masing sebesar 0,94, 0,81, dan 0,87 untuk kelas “Karat Daun”, 0,84, 0,95, dan 0,89 untuk kelas “Daun Sehat”, serta 1,00 untuk kelas “Curvularia”. Hasil pengujian menunjukkan performa yang konsisten, sehingga sistem usulan dinilai efektif dalam melakukan klasifikasi penyakit bercak daun kelapa sawit. Sistem usulan yang dikembangkan berpotensi digunakan sebagai alat bantu deteksi dini penyakit bercak daun guna mendukung peningkatan produktivitas tanaman kelapa sawit
Segmentasi Citra Ikan Tuna Menggunakan Gradient-Barrier Watershed Berbasis Analisis Hierarki Klaster dan Regional Credibility Merging
Get PDFAbstract. The main issue of object identification in tuna image is the difficulty of extracting the entire contour of tuna physical features, because it is often influenced by uneven illumination and the ambiguity of object edges in tuna image. We propose a novel segmentation method to optimize the determination of tuna region using GBW-AHK and RCM. GBW-AHK is used to optimize the determination of adaptive threshold in order to reduce over-segmented watershed regions. Then, RCM merges the remaining regions based on two merging criteria, thus it produces two main areas of segmentation, the object extraction of tuna and the background. The experimental results on 25 tuna images demonstrate that the proposed method successfully produced an image segmentation with the average value of RAE by 4.77%, ME of 0.63%, MHD of 0.20, and the execution time was 11.61 seconds. Keywords: watershed, gradient-barrier, hierarchical cluster analysis, regional credibility merging, tuna segmentation Abstrak. Kendala utama identifikasi objek tuna pada citra ikan tuna adalah sulitnya mengekstraksi seluruh kontur tubuh ikan, karena seringkali dipengaruhi faktor iluminasi yang tidak merata dan ambiguitas tepi objek pada citra. Penelitian ini mengusulkan metode segmentasi baru yang mengoptimalkan penentuan region objek tuna menggunakan Gradient-Barrier Watershed berbasis Analisis Hierarki Klaster (GBW-AHK) dan Regional Credibility Merging (RCM). Metode GBW-AHK digunakan untuk mengoptimalkan penentuan adaptif threshold untuk mereduksi region watershed yang over-segmentasi. Kemudian RCM melakukan penggabungan region sisa hasil reduksi berdasarkan dua syarat penggabungan hingga dihasilkan dua wilayah utama segmentasi, yakni ekstraksi objek ikan tuna dan background. Hasil eksperimen pada 25 citra ikan tuna membuktikan bahwa metode usulan berhasil melakukan segmentasi dengan nilai rata-rata relative foreground area error (RAE) 4,77%, misclassification error (ME) 0,63%, modified Hausdorff distance (MHD) 0,20, dan waktu eksekusi 11,61 detik. Kata Kunci: watershed, gradient-barrier, analisis hierarki klaster, regional credibility merging, segmentasi tuna</jats:p
Pengukuran Kinerja Pustaka OpenALPR untuk Mengidentifikasi Secara Otomatis Citra Real-time Plat Nomor Kendaraan Indonesia
Get PDFOpenALPR adalah sebuah pustaka berlisensi opensource yang dapat digunakan untuk mengidentifikasi jenis plat nomor kendaraan di berbagai wilayah dan negara secara otomatis. Pustaka ini tidak hanya mampu menganalisis objek citra diam plat nomor kendaraan, tetapi juga mampu menganalisis objek citra bergerak/video secara real-time dari plat nomor kendaraan. Penelitian ini mengusulkan untuk dilakukan pengukuran sampai sejauh mana kinerja pustaka OpenALPR dalam merekognisi citra real-time plat nomor kendaraan Indonesia berdasarkan akurasi dan jarak. Berdasarkan hasil uji coba terhadap pengambilan data primer citra real-time kendaraan bermotor roda dua sebanyak 30 data, diperoleh bahwa rata-rata hasil akurasi OpenALPR untuk mengubah citra real-time ke dalam data string plat nomor sebesar 73,3%, sedangkan rata-rata jarak kamera standar dalam melakukan screenshoot ke data citra plat nomor sebesar 87,8 cm. Hasil simulasi menunjukkan bahwa pustaka OpenALPR akurat dan efektif digunakan sebagai analisis pra-processing objek citra real-time plat nomor kendaraan, sebelum masuk ketahapan klasifikasi dan pengolahan informasi lebih lanjut
Perancangan Cetak Biru Infrastruktur Ktt-net Untuk Membangun E-government Di Kabupaten Tana Tidung, Provinsi Kaltara
No full textSebagian besar satuan kerja di Kabupaten Tana Tidung (KTT) masih mengandalkan proses komunikasi, transfer informasi dan pelayanan publik secara manual, padahal beberapa diantanya telah memiliki akses internet yang menunjang proses komunikasi dan transfer informasi, akan tetapi masih belum terkoneksi dengan satuan kerja yang lain dalam satu wadah jaringan terintegrasi. Akibatnya, masing-masing satuan kerja melakukan perencanaan yang saling tumpang tindih atau tidak memiliki jaringan privasi dalam hal kirim-bagi data secara ekslusif, sehingga memungkinkan terjadinya suatu distorsi dan redudansi layanan informasi antar satuan kerja. Disisi lain, akses jaringan yang berjalan sendiri-sendiri seringkali membuat pemborosan investasi yang berakibat pada pembengkakan anggaran terkait penyediaan infrastruktur, penggunaan bandwidth, dan maintenance. Oleh karena itu, penelitian ini mengusulkan desain cetak biru infrastruktur jaringan komputer atau disingkat KTT-Net dengan pendekatan top-down sebagai upaya awal untuk mengatasi permasalahan tersebut. Penelitian ini mengambil data melalui survei, wawancara, dokumentasi, dan pengamatan secara langsung yang diperoleh dari 21 satuan kerja di KTT. Dari desain cetak biru infrastruktur hasil penelitian menunjukkan bahwa 1 satuan kerja yaitu kantor Bupati KTT diusulkan laik sebagai data center KTT-Net, 10 satuan kerja bertindak sebagai node jaringan backbone dengan 4 diantaranya menjadi klaster bagi 10 satuan kerja lainnya
THE APPLICATION OF THE MULTI-OBJECTIVE OPTIMIZATION ON THE BASIS OF SIMPLE RATIO ANALYSIS METHOD IN A DECISION SUPPORT SYSTEM FOR PROSPECTIVE UBT STUDENT ASSOCIATION CHAIR CANDIDATES
Get PDFDecision Support Systems (DSS) have become essential tools in the de-cision-making process across various fields. In the context of selecting the chairman of the Computer Engineering Student Association at Uni-versitas Borneo Tarakan, the use of DSS is also highly relevant and beneficial. The MOOSRA (Multi-Objective Optimization on the basis of Ratio Analysis) method has been chosen as the approach to implement this decision support system. This study aims to apply the MOOSRA method in the implementation of a web-based decision support system for the selection of prospective chairpersons of the Computer Engineer-ing Student Association at Universitas Borneo Tarakan. The MOOSRA method is utilized to consider several criteria, such as leadership skills, communication abilities, dedication, and organizational experience. In this research, the use of MOOSRA is combined with web technology to enhance the efficiency and quality of the candidate selection process. The MOOSRA method offers a structured and objective approach to evaluating candidates for the chairmanship. This approach involves ratio analysis and multi-objective optimization to produce better out-comes. The results of this study are expected to facilitate a fairer and more objective selection process, as well as to improve student satisfac-tion within the Computer Engineering Student Association at Universi-tas Borneo Tarakan
Automatic human height measurement system based on camera sensor with deep-learning and linear regression analysis
Get PDFThis study proposes a new approach for automatically measuring human height using a camera sensor with deep learning and linear regression analysis. The camera sensor is used to capture real-time images of human objects. The image is then processed with a YOLO4-based convolutional neural network (CNN) to separate the region of interest (ROI) of the human object from the background. The pixel value of the ROI vertical line is then converted into height in centimeters by the linear regression equation. The system was tested on 40 primary samples, with 20 samples used as control data and 20 samples used as test data. From the results of testing 20 control data samples, the linear regression equation was obtained as y' = 0.4034x + 24.938, which was then applied to convert the system's predicted height in centimeters for 20 test samples. The test results for 20 test samples showed that an average F1_score was 1, the R_square obtained was 0.93, the root mean square errors (RMSE) was 0.02, and the percentage of accuracy was 99.00%. The test results showed that the system was able to automatically detect human height with a very high level of correlation/similarity and accuracy between actual and predicted height
