Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pelatihan Pembuatan Bahan Ajar Interaktif pada SMA Negeri 1 Slahung Ponorogo Akbar, Izzat Aulia; Setiawan, Bambang; Hidayanto, Bekti Cahyo; Samopa, Febriliyan; Sani, Nisfu Asrul; Dharmawan, Yogantara Setya
Sewagati Vol 8 No 2 (2024)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j26139960.v8i2.935

Abstract

Di era digital saat ini, pembelajaran tidak lagi terbatas pada model pembelajaran berbasis papan tulis dan buku teks. Namun, guru dapat menggunakan strategi berbeda untuk meningkatkan kualitas dan pemahaman siswa terhadap materi dengan cara yang berbeda. Pada dasarnya siswa akan lebih antusias mengikuti kelas jika kelas tersebut tampak menyenangkan dan menarik bagi mereka. Oleh karena itu, penting untuk mengetahui cara membuat materi pendidikan dengan menggunakan metode yang efektif dan interaktif untuk memudahkan proses belajar mengajar di sekolah. Pelatihan pembuatan materi pembelajaran interaktif ini ditujukan kepada guru sekolah dan siswa. Selama pelatihan, peserta akan mengikuti sesi praktik menggunakan platform Microsoft Office dan berkesempatan membuat materi pembelajaran interaktif untuk guru dan memainkan modul interaktif untuk siswa. Peserta akan siap menggunakan pengetahuan dan keterampilan yang diperoleh dalam pelajaran sehari-hari di sekolah, sekaligus memberikan pengalaman belajar yang lebih menyenangkan dan interaktif di dalam kelas. Di akhir pelatihan, peserta diharapkan memiliki pemahaman yang kuat tentang prinsip dan praktik menciptakan kegiatan pembelajaran interaktif.
Noise Study on the OH1 Wearable Device: Analysis of 11 Hand Movement Artifacts Ramadhan, Rizqi; Akbar, Izzat Aulia
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 4 (2024): MALCOM October 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i4.1408

Abstract

Wearable devices like the OH1 are increasingly used for real-time health monitoring, particularly for measuring heart rate (BPM). However, their accuracy is often compromised by motion artifacts, introducing significant noise into the measurements. This study specifically addresses the issue of noise generated by the OH1 wearable device during eleven different hand movements. To tackle this problem, we implemented a precise experimental setup involving device calibration, stable testing conditions, and participant training to ensure high consistency in hand movements. Additionally, machine learning algorithms were employed to separate noise from desired hand movement data. Our results indicate that certain hand movements, such as lifting arms and shoulder rotations, produce higher noise levels, while others, like placing hands on the table, generate minimal noise. These findings provide valuable insights for developing effective noise reduction algorithms, ultimately enhancing the accuracy and reliability of BPM measurements from wearable devices.