Claim Missing Document
Check
Articles

Found 32 Documents
Search

PENINGKATAN KEMAMPUAN MEMBACA SISWA KELAS TINGGI MELALUI PROGRAM BIMBIBINGAN MEMBACA TERSTRUKTUR DI SD NEGERI 28 TAMO M. Padli; rahma, St.Rahmawati; St. Nur Alisa; Dian Anggraini Noor; Nurfitri; Sarmila; Safira Putri; Asmirinda Resa
BHAKTI NAGORI (Jurnal Pengabdian kepada Masyarakat) Vol. 5 No. 2 (2025): BHAKTI NAGORI (Jurnal Pengabdian kepada Masyarakat) Desember 2025
Publisher : LPPM UNIKS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36378/bhakti_nagori.v5i2.5142

Abstract

Program pengabdian ini bertujuan untuk meningkatkan kemampuan membaca siswa kelas tinggi di SD Negeri 28 Tamo melalui penerapan Bimbingan Membaca Terstruktur. Kegiatan ini dilatarbelakangi oleh rendahnya kemampuan membaca siswa sebagaimana terlihat dari hasil asesmen awal yang menunjukkan bahwa sebagian besar siswa berada pada kategori Tidak Sama Sekali, Mengeja, dan Belum Lancar. Program dilaksanakan selama sepuluh minggu melalui pendampingan intensif yang mencakup tahapan pra-membaca, saat membaca, dan pasca-membaca, serta intervensi kelompok kecil yang disesuaikan dengan tingkat kemampuan siswa. Pengukuran kemampuan membaca dilakukan melalui pre-test dan post-test untuk mengidentifikasi perubahan yang terjadi setelah intervensi. Hasil menunjukkan adanya peningkatan signifikan pada aspek kelancaran, akurasi, pemahaman bacaan, serta motivasi membaca. Nilai rata-rata siswa meningkat dari 2,22 pada pre-test menjadi 3,56 pada post-test, dengan hasil uj Paired Samples Test yang menunjukkan nilai signifikansi 0,000, sehingga dapat disimpulkan bahwa program ini efektif dalam meningkatkan kemampuan membaca siswa. Temuan ini mengindikasikan bahwa Bimbingan Membaca Terstruktur merupakan strategi intervensi yang relevan dan mampu memberikan dampak nyata terhadap perkembangan literasi siswa sekolah dasar.
IoT-Based Sensor System for Electricity Consumption Forecasting in Boarding Rooms Using Kalman Filter Algorithm Dewi, Dewi Humeira Amriah; Farid; Muhammad Fathur Rahman N; Riesa Krisna Astuti Sakir; Muh. Erdin; Nurfitri
Jurnal Teknologi Elekterika Vol. 22 No. 2 (2025): Nopember
Publisher : Jurusan Teknik Elektro Politeknik Negeri Ujung Pandang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31963/elekterika.v22i2.5760

Abstract

Humans demand electricity to conduct their daily tasks. Indonesia undergoes a yearly escalation in its electricity use. Moreover, customers encounter the difficulty of overestimating their electrical energy consumption, since they remain unaware of the power utilization linked to each frequently utilized electrical load and possess limited control over their electricity expenditure. The Kalman Filter Algorithm was utilized to estimate electricity usage via the execution of a research system. The Kalman Filter can forecast future states using minimal information. This system incorporates an IoT framework with a network communication module, the Raspberry Pi, which relays data to the database. The PZEM-004T sensor is utilized to gather data on electrical parameters from loads, including voltage, current, active power, and energy consumption. The electrical consumption was documented every 15 minutes over a duration of 60 days. The dataset was divided in an 80:20 ratio, allocating 80% for training and 20% for testing. RMSE, MSE, and MAPE are utilized to determine the accuracy metrics of each test. Additionally, the fan load is assessed in one evaluation, yielding an error percentage of 0.077% for the training data and 0.076% for the test data, determined using RMSE. The error percentage calculated using the MSE equation is 0.006% for the training data and 0.005% for the test data. The error percentage calculated by MAPE is 0.789% for the training dataset and 0.202% for the testing dataset. The findings indicate that the Kalman Filter prediction method is exceptionally proficient in forecasting electrical load consumption