Claim Missing Document
Check
Articles

Found 3 Documents
Search

Pengembangan Kartu Edukasi Animasi Sebagai Media Pengenalan Sirah Nabawiyah Berbasis Augmented Reality Rizal H, Muhammad; Ratnawati, Ratnawati; Indriani, Nia; Mursalim, Mursalim; Warni, Elly
JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer Vol. 2 No. 2 (2024): Juni 2024
Publisher : Cipta Media Harmoni

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53624/jsitik.v2i2.356

Abstract

Urgensi penelitian ini adalah untuk meningkatkan pemahaman mengenai sirah Nabi Muhammad SAW di kalangan siswa sekolah dasar, penelitian ini mendesak dan signifikan. Dengan menggunakan teknologi Augmented Reality yang mengintegrasikan objek virtual, baik dua dimensi maupun tiga dimensi, ke dalam lingkungan nyata tiga dimensi dan menampilkannya secara real time, kami berusaha mengembangkan aplikasi berbasis teknologi ini. Metode penelitian yang diterapkan adalah pengembangan model ADDIE, yang merupakan pendekatan sistematis dalam desain instruksional yang mencakup Analisis, Desain, Pengembangan, Implementasi, dan Evaluasi. Hasil dari user acceptance testing, yang mencapai skor sebesar 80%, menunjukkan aplikasi yang kami kembangkan berhasil memenuhi kriteria dan dianggap layak sebagai media pembelajaran yang efektif. Penelitian ini tidak hanya mendemonstrasikan potensi aplikasi berbasis Augmented Reality dalam pendidikan tetapi juga mendesaknya kebutuhan untuk inovasi pendidikan yang dapat meningkatkan pemahaman pelajar tentang materi sejarah dan kebudayaan. 
Sosialisasi dan Pemanfaatan Aplikasi Game Edukasi Berbasis Mobile Pada SD Negeri 82 Barru Rizal H, Muhammad; Sahrul, Sahrul; Mursalim, Mursalim; Tamra, Tamra; Askar, Muhammad Ichfan
Ilmu Komputer untuk Masyarakat Vol 5, No 2 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkomas.v5i2.2480

Abstract

Perkembangan teknologi digital telah membawa perubahan signifikan dalam dunia pendidikan, termasuk penggunaan game edukasi berbasis mobile yang terbukti sebagai alat pembelajaran interaktif dan efektif. Di SD Negeri 82 Barru, pembelajaran Ilmu Pengetahuan Alam (IPA), khususnya tentang tata surya, masih dilakukan secara konvensional, menyebabkan kesulitan bagi guru dalam menyajikan materi yang menarik dan bagi siswa dalam memahami konsep abstrak. Kegiatan ini bertujuan untuk memperkenalkan dan mengimplementasikan aplikasi game edukasi berbasis mobile yang dirancang untuk mendukung pembelajaran IPA di kelas VI SD Negeri 82 Barru. Metode yang digunakan meliputi pelatihan, simulasi, dan evaluasi menggunakan System Usability Scale (SUS). Peserta terdiri dari 16 siswa kelas VI dan 1 guru IPA. Hasil menunjukkan bahwa aplikasi berhasil dirancang dan memperoleh skor SUS rata-rata sebesar 78, yang termasuk dalam kategori "Baik". Penggunaan aplikasi ini secara signifikan meningkatkan pemahaman siswa terhadap materi tata surya, dibuktikan dengan hasil kuis dengan tingkat keberhasilan rata-rata lebih dari 80%. Aplikasi game edukasi berbasis mobile ini efektif dan layak digunakan dalam pembelajaran IPA di kelas VI SD, serta mampu meningkatkan minat dan pemahaman siswa terhadap materi.
Enhancing Flood Prediction Using Hybrid LSTM-Transformer Deep Learning Approach Fadillah, Arif; Rizal H, Muhammad; Mursalim, Mursalim
Journal of System and Computer Engineering Vol 6 No 3 (2025): JSCE: July 2025
Publisher : Universitas Pancasakti

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61628/jsce.v6i3.2083

Abstract

Flood prediction is crucial for effective disaster management, yet it remains a complex challenge due to the nonlinear nature of meteorological processes. This study develops and evaluates a novel hybrid model that integrates Long Short-Term Memory (LSTM) networks and Transformer attention mechanisms to enhance predictive accuracy for rainfall-based flood forecasting. Using extensive Australian weather data collected from 49 stations over a decade (2007-2017), the model incorporates comprehensive feature engineering, including derived meteorological indicators, rolling statistical measures, and temporal lag features. The hybrid LSTM-Transformer architecture achieved superior precision (77.69%) and high accuracy (84.57%) compared to a Random Forest baseline model. Confusion matrix analysis illustrated the hybrid model’s strength in reducing false alarms, indicating a conservative yet highly reliable predictive performance. Feature correlation analysis revealed important relationships among temperature, humidity, pressure, and rainfall, highlighting the complexity of meteorological interactions. The findings demonstrate the effectiveness of integrating sequential and global temporal modeling for flood prediction, providing valuable guidance for operational forecasting systems and disaster preparedness strategies. This research contributes significantly to existing flood forecasting methodologies and suggests promising directions for future enhancements.