4 research outputs found
THE ABILITY OF ISLAMIC RELIGIOUS EDUCATION TEACHERS AT JUNIOR HIGHT SCHOOL TAPAKTUAN IN USING THE MERDEKA MENGAJAR PLATFORM
No full textThe purpose of this study was to see the ability of Islamic Religious Education teachers at Tapaktuan Junior High School in using the Merdeka Mengajar Platform. This study uses a quantitative method. This study was located at Tapaktuan Junior High School. The sample in this study were Islamic Religious Education teachers who had a Merdeka Mengajar Platform account. There were 5 Islamic Religious Education teachers who had a Merdeka Mengajar Platform account. The data collection techniques used in this study were questionnaires and observations. The data analysis technique used a percentage formula, then analyzed using descriptive statistics. The results of this study are that most Islamic Religious Education teachers in Tapaktuan are not yet fully able to use the Merdeka Mengajar Platform. These teachers still need to improve their abilities in all the features available on the Merdeka Mengajar Platform. While a small number of Islamic Religious Education teachers are already able to use the Merdeka Mengajar Platform, they still need to improve their abilities in the Student Assessment and Work Results features.
Keywords: Merdeka Mengajar Platform, Independent Curriculu
KAJIAN GEOMORFOLOGI, BAHAYA DAN RISIKO BANJIR, SERTA APLIKASINYA UNTUK EVALUASI TATA RUANG KOTA SINTANG
No full textKota Sintang di Kalimantan Barat dikenal sebagai kota yang sering tergenang banjir pada musim penghujan. Kota ini tumbuh tepat pada pertemuan dua sungai besar, yaitu Kapuas dan Melawi, atau secara geomorfologi tumbuh di dataran banjir yang luas/dataran aluvial kedua sungai. Bencana banjir pernah terjadi pada tahun 1963, menggenangi sebagian besar pemukiman, menelan banyak korban, dan kerusakan. Meskipun akhir-akhir ini banjir tidak begitu besar, namun banjir besar seperti masa lalu dapat terulang kembali di waktu mendatang. Untuk mengurangi bencana seperti ini, maka diperlukan kajian tentang banjir dan program penanggulangan bencana. Tujuan penelitian ini adalah (1) melakukan analisis dan pemetaan bahaya dan risiko banjir dan (2) evaluasi tata ruang (RDTR) Kota Sintang berdasarkan pada bahaya banjir. Pendekatan geomorfologis digunakan untuk menganalisis bahaya banjir melalui kajian morfogenesis dan morfologi bentuk lahan serta sejarah banjir. Untuk menilai risiko digunakan data bahaya banjir dan kerentanan penggunaan lahan. Scoring terhadap parameter geomorfologi dan penggunaan lahan dibuat dan dikombinasikan dengan analisis spasial. Hasil penelitian menunjukkan bahwa 95% wilayah Kota Sintang dibentuk dari bentuk lahan asal proses fluvial dan menurut penilaian bahaya banjir, 0.8% dari wilayah Kota Sintang terklasifikasi ke dalam bahaya sangat rendah, 57.2% rendah, 31.5% sedang, dan 10.5% tinggi. Hal ini mengindikasikan bahwa hampir separuh wilayah kota terancam banjir pada tingkat sedang hingga tinggi. Berdasarkan hasil analisis bahaya banjir tersebut dikaitkan dengan kerentanan penggunaan lahan, didapatkan bahwa 0.9% dari wilayah kota memiliki risiko banjir sangat rendah, 70.1% rendah, 22.5% sedang, dan 6.5% tinggi. Dua kelas terakhir, menurut persebarannya, mencakup seluruh area terbangun, seperti perumahan, perkantoran, dan kawasan komersial. Keadaan ini menandakan bahwa hampir sepertiga dari area terbangun Kota Sintang terancam oleh banjir baik pada tingkat bahaya sedang maupun tinggi. Hasil evaluasi RDTR menunjukkan bahwa hampir separuh dari alokasi ruang terbangun (44.4%) mempunyai risiko sedang dan hanya sebagian kecil (4.10%) mempunyai risiko tinggi. Dengan demikian upaya penanggulangan bencana harus menjadi prioritas utama oleh Pemerintah untuk menurunkan tingkat risiko
Pemberdayaan Ibu-Ibu Pesisir di Mempawah Mangrove Center (MMC) Melalui Pengolahan Daun Mangrove Menjadi Brownies Kukus
No full textRhizophora merupakan salah satu jenis tumbuhan mangrove yang termasuk dalam famili Rhizophorazceae dan termasuk dalam kelompok tumbuhan tropis bersifat halofitik atau toleran garam yang dapat ditemukan di Mempawah Mangrove Center (MMC) yang terletak di Desa Pasir, Kabupaten Mempawah. Jenis mangrove ini juga memberikan manfaat bagi lingkungan, antara lain mampu melindungi pemukiman dari angin laut dan ombak. Daun bakau mengandung senyawa bioaktif seperti alkaloid, saponin, flavonoid dan tanin yang merupakan antioksidan yang sangat bermanfaat bagi kesehatan. Oleh karena itu daun mangrove mempunyai potensi untuk diolah menjadi makanan olahan berupa brownies kukus sehingga dapat meningkatkan nilai gizi produk, meningkatkan pendapatan masyarakat setempat dan juga meningkatkan nilai ekonomi dari daun mangrove itu sendiri. Pelatihan pembuatan brownies kukus dari daun mangrove ini diharapkan sejalan dengan upaya konservasi dan rehabilitasi mangrove sebagaimana misi utama MMC dengan melibatkan pengelola MMC.
Precipitation estimation at Bolo River watershed using artificial intelligence techniques
No full textIlustraciones, figuras, tablasLa complejidad de los sistemas hidroclimatológicos demuestra la necesidad del uso de herramientas
de análisis más efectivas y contextualizadas al área de estudio que soporten la gestión a nivel de
cuenca y subcuenca hidrográfica. La variabilidad natural y los efectos provocados por el cambio
climático antropogénico requieren un análisis extensivo del comportamiento de variables como la
precipitación y la ocurrencia de anomalías en sus patrones espaciales y temporales. Gracias a los
avances recientes en distintas técnicas de inteligencia artificial, el objetivo de esta investigación fue
evaluar un modelo de lógica difusa y un modelo de redes neuronales artificiales para la estimación
de los patrones de precipitación en la cuenca hidrográfica del río Bolo en el Valle del Cauca. Se
realizó una recopilación de datos de precipitación y un análisis exploratorio de datos a partir de los
cuales se determinó la estimación de los patrones de precipitación como variable categórica objetivo
de los modelos (periodos: extremadamente seco, muy seco, moderadamente seco, normal,
moderadamente húmedo, muy húmedo, extremadamente húmedo). Estos modelos se enfocaron en
el análisis mensual de la precipitación usando como línea base el Índice Estándar de precipitación
mensual (SPI-1) y la comparación con el comportamiento esperado por el Índice Niño Oceánico
(ONI). Se implementó un sistema de inferencia difuso con 3 variables explicativas y 48 reglas de
implicación y se evaluaron varias configuraciones de redes neuronales obteniéndose los mejores
resultados para el algoritmo de entrenamiento de regularización Bayesiana con un R de 0.8 seguido
de Levenberg-Marquardt con un R de 0.76. El sistema de inferencia difuso generó resultados más
alineados con lo esperado del análisis exploratorio y el comportamiento histórico de la precipitación
en la cuenca del río Bolo, mientras que la red neuronal artificial demostró un sesgo en la estimación
del tipo de evento extremo de precipitación. (Texto tomado de la fuente)The complexity of hydroclimatological systems demonstrates the need for more effective and
context-specific analysis tools in the study area to support watershed and sub-watershed
management. Natural variability and the effects of anthropogenic climate change require an
extensive analysis of variables such as precipitation and the occurrence of anomalies in their spatial
and temporal patterns. Given the recent advancement of various artificial intelligence techniques,
the objective of this study was to evaluate a fuzzy logic model and an artificial neural network model
for estimating precipitation patterns in Bolo river watershed in Valle del Cauca. Data collection and
exploratory data analysis were conducted to determine the estimation of precipitation patterns as the
categorical target variable for the models (periods: extremely dry, very dry, moderately dry, normal,
moderately wet, very wet, and extremely wet). These models focused on monthly precipitation
analysis using the monthly Standard Precipitation Index (SPI-1) as a baseline and comparing it with
the expected behavior of the Oceanic Niño Index (ONI). A fuzzy inference system was implemented
with 3 explanatory variables and 48 implication rules, and several neural network configurations
were evaluated, with the best results obtained for the Bayesian regularization training algorithm with
an R of 0.8 followed by Levenberg-Marquardt with an R of 0.76. The fuzzy inference system
generated results that aligned more closely with the expected outcomes based on the exploratory
analysis and the historical behavior of precipitation in the Bolo River. On the other hand, the
artificial neural network demonstrated a bias in estimating the type of extreme precipitation event.MaestríaMagíster en Ingeniería AmbientalGracias a los avances recientes en distintas técnicas de inteligencia artificial, el objetivo de esta investigación fue
evaluar un modelo de lógica difusa y un modelo de redes neuronales artificiales para la estimación
de los patrones de precipitación en la cuenca hidrográfica del río Bolo en el Valle del Cauca. Se
realizó una recopilación de datos de precipitación y un análisis exploratorio de datos a partir de los
cuales se determinó la estimación de los patrones de precipitación como variable categórica objetivo
de los modelos (periodos: extremadamente seco, muy seco, moderadamente seco, normal,
moderadamente húmedo, muy húmedo, extremadamente húmedo). Estos modelos se enfocaron en
el análisis mensual de la precipitación usando como línea base el Índice Estándar de precipitación
mensual (SPI-1) y la comparación con el comportamiento esperado por el Índice Niño Oceánico
(ONI). Se implementó un sistema de inferencia difuso con 3 variables explicativas y 48 reglas de
implicación y se evaluaron varias configuraciones de redes neuronales obteniéndose los mejores
resultados para el algoritmo de entrenamiento de regularización Bayesiana con un R de 0.8 seguido
de Levenberg-Marquardt con un R de 0.76.Monitoreo, modelación y gestión de recursos naturalesIngeniería.Sede Palmir
