Search Articles & Publications

Showing 33 articles found for "Deep Learning"

Pemberdayaan Guru Sekolah Dasar melalui Pengembangan Modul Ajar Interaktif Berbasis Artificial Intelligence dengan Pendekatan Deep Learning untuk Meningkatkan Kapasitas Pengajaran Berkelanjutan

Tustiyana Windiyani, Resyi Abdul Gani, Deddy Sofyan S, M.Zainal Arifin, Septiani, Khayla Shafia Abdillah
Abstract: Pengabdian kepada masyarakat ini bertujuan untuk meningkatkan kompetensi guru sekolah dasar dalam mengembangkan modul ajar interaktif berbasis Artificial Intelligence (AI) dengan pendekatan deep learning guna mendukung kapasitas… apasitas pengajaran berkelanjutan di era Society 5.0. Kegiatan dilaksanakan melalui workshop menggunakan model pengembangan 4D (Define–Design–Develop–Disseminate) yang melibatkan 11 guru SDN Selakopi, Bogor Barat sebagai peserta. Tahap define dilakukan melalui analisis kebutuhan dan literasi AI guru; tahap design berupa perancangan modul ajar berbasis TPACK dan pendekatan deep learning; tahap develop melalui validasi, uji coba workshop, serta evaluasi menggunakan angket skala Likert empat poin; dan tahap disseminate diarahkan pada potensi replikasi program. Hasil evaluasi menunjukkan rata-rata skor kepuasan sebesar 3,72 dengan persentase capaian 93% dalam kategori sangat puas. Skor tertinggi terdapat pada aspek kejelasan materi (3,9), sedangkan skor terendah pada aspek keberlanjutan program (3,4). Temuan ini menunjukkan bahwa workshop efektif meningkatkan literasi AI, kepercayaan diri, dan kemampuan desain pembelajaran guru. Kebaruan penelitian ini terletak pada integrasi pendekatan deep learning dalam desain bahan ajar interaktif berbasis AI melalui model 4D yang sistematis dan kontekstual pada level sekolah dasar. Implikasinya, model pemberdayaan ini berpotensi direplikasi untuk memperkuat pengembangan profesional guru secara berkelanjutan.

Lived Experiences Guru Madrasah dalam Mengembangkan Kompetensi Pedagogik dan Profesional melalui Pembelajaran Mendalam

Puspa Meilina, Anita
Abstract: Penelitian ini mengkaji pengalaman hidup guru-guru Madrasah Ibtidaiyah di Pekalongan, Lampung Timur dalam mengembangkan kompetensi pedagogik dan profesional melalui penerapan pembelajaran mendalam (deep learning). Dengan… menggunakan pendekatan fenomenologi interpretatif, penelitian ini berupaya menangkap makna subjektif dan dinamika praktik mengajar yang dialami para guru dalam konteks perubahan kurikulum, tuntutan profesionalisme, dan kebutuhan pembelajaran yang lebih bermakna bagi siswa. Data diperoleh melalui wawancara mendalam, observasi partisipatif, dan dokumentasi, kemudian dianalisis menggunakan langkah-langkah reduksi fenomenologis berdasarkan Moustakas. Hasil penelitian menunjukkan bahwa pembelajaran mendalam mendorong guru untuk berefleksi secara kritis, merancang pembelajaran berbasis pemahaman konseptual, serta meningkatkan kemampuan profesional melalui kolaborasi dan pengembangan diri. Temuan ini menegaskan bahwa pengalaman mengajar yang autentik, ditopang oleh pemahaman pedagogik yang matang, menjadi fondasi penting bagi peningkatan kualitas pembelajaran di madrasah. Penelitian ini memberikan kontribusi konseptual bagi penguatan kompetensi guru dan implikasi praktis bagi pengembangan program pelatihan guru berbasis pengalaman.

Klasifikasi Penyakit Tanaman Tomat dan Cabai Menggunakan Transfer Learning MobileNetV2 dengan Visualisasi Grad-CAM

Ahmad Robi Faro'id, Agustin Maulidiah, Dea Angelina, Moch. Raditya Priyo Pambudi
Abstract: Penyakit tanaman merupakan salah satu faktor utama penurunan hasil pertanian pada komoditas tomat dan cabai di Indonesia. Deteksi dini secara manual memerlukan keahlian khusus dan waktu yang lama. Penelitian ini mengusulkan… kan sistem klasifikasi penyakit tanaman berbasis deep learning menggunakan arsitektur MobileNetV2 dengan pendekatan transfer learning. Dataset PlantVillage yang terdiri dari 20.638 gambar daun dengan 15 kelas digunakan sebagai data pelatihan. Model dievaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Visualisasi Grad-CAM diterapkan untuk menginterpretasikan area fokus model dalam pengambilan keputusan. Hasil eksperimen menunjukkan akurasi sebesar 89,93% pada data uji dengan rata-rata weighted F1-score sebesar 0,90. Visualisasi Grad-CAM membuktikan model mengidentifikasi area terinfeksi secara akurat. Pengujian pada gambar nyata menunjukkan kemampuan model dalam kondisi dunia nyata.