Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Berkala Ilmiah Pendidikan Biologi (BioEdu) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi)
Badruzzaman, Ahmad
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Computer Science & IT Engineering Languange, Linguistic, Communication & Media

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PROFIL MISKONSEPSI SISWA PADA MATERI SISTEM ENDOKRIN Badruzzaman, Ahmad; Raharjo, Raharjo
Berkala Ilmiah Pendidikan Biologi (BioEdu) Vol 8 No 2 (2019)
Publisher : Program Studi Pendidikan Biologi, FMIPA, Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penggunaan istilah asing masih banyak ditemukan di materi sistem endokrin, selain itu materi ini bersifatabstrak  karena  tidak  dapat  diamati  secara  langsung  oleh  siswa.  Kondisi  tersebut  mendorong  terjadinyamiskonsepsi  pada siswa.  Tujuan  penelitian  ini  adalah  mendeskripsikan  profil  miskonsepsi  siswa  padamateri  sistem endokrin dan mendeskripsikan  faktor penyebab miskonsepsinya.  Jenis penelitian  ini adalahdeskriptif  evaluatif. Metode  yang  digunakan  dalam  penelitian  ini  adalah  metode  tes  objektif  dan  metodewawancara.  Instrumen  penelitian  berupa  instrumen  tes  diagnostik  bersifat  objektif  dengan  21  butir  soaltentang  sistem  endokrin  menggunakan  teknik Certainty  of  Response  Index (CRI)  termodifikasi,  yangberfungsi  untuk mengetahui  letak miskonsepsi  siswa, dan  instrumen wawancara  untuk mengetahui  faktorpenyebab  miskonsepsi.  Butir  soal  yang  dikembangkan  berjenis multiple  choice  test dan true  false  test.Setiap  butir  soal  terdapat  opsi  jawaban,  opsi  alasan,  dan  skala  keyakinan  (0-5).  Data  yang  didapatkanberupa  nilai  persentase  pemahaman  siswa  pada  materi  sistem  endokrin  dan  data  hasil  wawancara.Analisis  data  dilakukan  secara  deskriptif  yang  mengacu  pada  data  hasil  tes  diagnostik  dan  hasilwawancara.  Kategori  pemahaman  siswa  dibagi  menjadi,  paham  konsep  dengan  baik  (P);  Paham  konsepnamun  ragu  (PR);  Miskonsepsi  (MK);  Tidak  tahu  konsep  (TK).  Hasil  penelitian  menunjukkan  bahwasiswa mengalami tidak tahu konsep (TK) 44,67%, paham konsep dengan baik (P) 14,29%, paham konsepnamun  ragu (PR)  18,37%,  dan  miskonsepsi  (MK)  22,68%.  Faktor  penyebab  miskonsepsi  berasal  darisiswa  sendiri,  kurangnya  informasi  mengenai  sistem  endokrin,  guru, dan  metode  pembelajaran.Berdasarkan hasil penelitian, kategori miskonsepsi termasuk dalam kriteria rendah.Kata Kunci: certainty of response index (CRI), miskonsepsi, sistem endokrinAbstract
Enhancing Weighted Averaging for CNN Model Ensemble in Plant Diseases Image Classification Octavian, Octavian; Badruzzaman, Ahmad; Muhammand Yusuf Ridho; Trisedya, Bayu Distiawan
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 8 No 2 (2024): April 2024
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v8i2.5669

Abstract

Deep learning, especially convolutional neural networks (CNN), has gained traction in the field of image classification. In the specific case of plant disease classification, improving the accuracy and reliability of image classification is paramount. This paper delves into the ensemble prediction technique using a weighted soft-voting method. Instead of assigning a generalized weight to each CNN model, our approach emphasizes giving weights to each label's prediction within every individual model. We employed three respected CNN architectures for our experiments: DenseNet201, InceptionV3, and Xception focus on classifying various diseases that affect grapes. By harnessing transfer learning coupled with end-to-end fine-tuning, we achieved a streamlined and efficient training process. In particular, the f1-score for each grape disease class was used as a parameter for weight determination and as a metric for the final evaluation. In our study, the newly proposed method was tested across various datasets and ensemble scenarios, demonstrating its effectiveness by not only outperforming the conventional soft-voting and prevalent weighted soft-voting methods, which achieved best scores of 95.68% and 95.81% respectively, but also by achieving a remarkable accuracy of 96.56%. The efficacy of this method is enhanced when the ensemble models exhibit distinct characteristics; the more varied the model characteristics, the more enhanced the ensemble results.
Co-Authors Muhammand Yusuf Ridho Octavian, Octavian Raharjo Raharjo Trisedya, Bayu Distiawan