Claim Missing Document
Check
Articles

Found 2 Documents
Search

Model Pelatihan Edutech Berbasis Komunitas dalam Meningkatkan Kompetensi Guru dan Interaktivitas Pembelajaran di Sekolah Abdul Muis; Rahimul Harahap; Rinaldy Alidin; Putri Athirah Thaibur; Abwabul Jinan
JURIBMAS : Jurnal Hasil Pengabdian Masyarakat Vol 5 No 1 (2026): Juli 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juribmas.v5i1.1000

Abstract

Kegiatan pengabdian kepada masyarakat ini bertujuan meningkatkan kompetensi guru dan interaktivitas pembelajaran melalui implementasi model pelatihan Edutech berbasis komunitas di sekolah dan komunitas belajar. Program dilatarbelakangi oleh rendahnya pemanfaatan teknologi pendidikan dalam pembelajaran, keterbatasan literasi digital guru, serta belum optimalnya penggunaan platform digital untuk menciptakan pembelajaran interaktif. Berdasarkan need assessment, intervensi dirancang menggunakan pendekatan partisipatif melalui tahapan koordinasi, asesmen kebutuhan, pelatihan Edutech, workshop penggunaan Learning Management System (LMS), simulasi pembelajaran digital, pendampingan implementasi, evaluasi, dan rencana keberlanjutan program. Metode pelaksanaan menggunakan model pelatihan berbasis komunitas dengan instrumen pre–post test, observasi, wawancara, dan dokumentasi kegiatan untuk mengevaluasi capaian program. Hasil kegiatan menunjukkan adanya peningkatan kompetensi digital guru yang ditandai oleh kenaikan skor pre–post test, meningkatnya kemampuan penggunaan LMS dan media pembelajaran digital, serta berkembangnya praktik pembelajaran yang lebih interaktif dan partisipatif. Implementasi program juga menunjukkan peningkatan keterlibatan siswa dalam pembelajaran, terbentuknya komunitas praktik guru, serta tumbuhnya komitmen mitra terhadap integrasi Edutech secara berkelanjutan. Secara kuantitatif, capaian program ditunjukkan melalui peningkatan kompetensi peserta, tingginya partisipasi aktif guru, dan bertambahnya perangkat pembelajaran digital yang dihasilkan. Secara kualitatif, kegiatan berkontribusi pada perubahan pola pikir guru terhadap inovasi pembelajaran digital, penguatan budaya kolaboratif, dan peningkatan kapasitas kelembagaan mitra dalam mengelola transformasi pembelajaran berbasis teknologi.Kesimpulan kegiatan menunjukkan bahwa model pelatihan Edutech berbasis komunitas efektif sebagai strategi pemberdayaan untuk meningkatkan kompetensi guru, memperkuat interaktivitas pembelajaran, serta mendukung keberlanjutan transformasi digital pendidikan. Model ini juga berpotensi direplikasi sebagai pendekatan inovatif pengabdian masyarakat untuk penguatan kualitas pembelajaran di berbagai konteks pendidikan.
KLASIFIKASI SENTIMEN PUBLIK TERHADAP PROGRAM SDG 1 PENGENTASAN KEMISKINAN DI INDONESIA MENGGUNAKAN SVM DAN INDOBERT Nia Mardiah; M. Imam Santoso; Putri Athirah Thaibur; Ayu Andini Br Sitepu
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 3 (2026): June 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i3.6582

Abstract

Abstract: The first goal of the Sustainable Development Goals (SDGs), namely poverty eradication, is a major priority of Indonesia’s national development agenda. Public responses to poverty alleviation initiatives provide valuable insights for assessing the effectiveness of government policies. This study examines public sentiment regarding the implementation of SDG 1 using posts collected from the X platform and compares the classification performance of Support Vector Machine (SVM) and IndoBERT models. A dataset consisting of 1,002 Indonesian-language posts was gathered through web scraping and Application Programming Interface (API) techniques. The research process included data preprocessing, sentiment labeling through a lexicon-based approach, TF-IDF feature extraction for the SVM model, and fine-tuning for the IndoBERT model. Model performance was evaluated using a confusion matrix with accuracy, precision, recall, and F1-score metrics. The findings indicate that negative sentiment is more dominant than positive sentiment toward poverty alleviation programs. The SVM model achieved an accuracy of 80.60%, while IndoBERT reached 80.10%. These results suggest that SVM performed slightly better on the dataset used in this study. Overall, the findings demonstrate that artificial intelligence-based sentiment analysis can support monitoring public perceptions and evaluating poverty reduction policies in Indonesia more effectively and comprehensively for evidence-based decision making processes nationwide. Keywords: sentiment analysis; SDG 1; poverty; SVM; IndoBERT.   Abstrak: Tujuan pertama Sustainable Development Goals (SDGs), yaitu menghapus kemiskinan, menjadi salah satu agenda strategis pembangunan nasional Indonesia. Respons masyarakat terhadap berbagai program pengentasan kemiskinan dapat digunakan sebagai bahan evaluasi terhadap efektivitas kebijakan yang diterapkan pemerintah. Penelitian ini menganalisis sentimen publik mengenai implementasi SDG 1 dengan memanfaatkan unggahan pada platform X serta membandingkan kinerja model Support Vector Machine (SVM) dan IndoBERT dalam proses klasifikasi. Sebanyak 1.002 unggahan berbahasa Indonesia dikumpulkan melalui teknik scraping dan pemanfaatan API. Tahapan penelitian meliputi praproses data, pemberian label sentimen menggunakan pendekatan leksikon, pembentukan fitur TF-IDF pada SVM, serta fine-tuning model IndoBERT. Kinerja model dievaluasi menggunakan confusion matrix dengan indikator accuracy, precision, recall, dan F1-score. Hasil penelitian memperlihatkan bahwa opini negatif lebih dominan dibandingkan opini positif terhadap program pengentasan kemiskinan. Model SVM memperoleh tingkat akurasi sebesar 80,60%, sedangkan IndoBERT mencapai 80,10%. Temuan tersebut menunjukkan bahwa SVM memiliki performa yang sedikit lebih unggul pada dataset yang digunakan. Penelitian ini mengindikasikan bahwa analisis sentimen berbasis kecerdasan buatan berpotensi menjadi alat pendukung dalam memonitor persepsi masyarakat serta mengevaluasi kebijakan pengurangan kemiskinan di Indonesia. Kata kunci: analisis sentimen; SDG 1; kemiskinan; SVM; IndoBERT.