Garuda - Garba Rujukan Digital

Sistem Pencatatan Kehadiran Pertemuan Berbasis Mobile dengan Metode Pengembangan Spiral Irsad Harfiansah Shodiq; Rani Megasari; Muhammad Nursalman
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 1, No 2 (2018)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v1i2.25187

Pertemuan merupakan kegiatan yang sering dilakukan untuk tujuan tertentu. Di dalam pertemuan, kehadiran menjadi faktor penting untuk dicatat. Pencatatan kehadiran biasanya dilakukan secara manual yang memakan waktu dan tenaga, atau menggunakan alat khusus berbasis biometrik yang menelan biaya dan tidak cocok untuk pertemuan dinamis. Dengan ponsel pintar yang semakin umum digunakan, pencatatan kehadiran kini dapat dilakukan dengan bantuan aplikasi mobile. Untuk itu, penelitian ini membuat sebuah aplikasi pada platform Android yang dapat mendaftarkan jadwal pertemuan penggunanya, dan mencatatkan kehadiran dengan beberapa parameter seperti lokasi, anggota, dan trust. Penelitian menghasilkan sistem pencatatan kehadiran pertemuan dan parameter yang perlu ada untuk membangun sistem ini. Pengujian dilakukan dengan metode black box menunjukan seluruh fitur dan fungsi berjalan semestinya.

Analisis Statistik Uji Normalitas dan Homogenitas Data Nilai Mata Pelajaran dengan Menggunakan Python Andy Agustian; Kania Lisdiana; Adang Suryana; Muhammad Nursalman
AL-IBANAH Vol. 10 No. 1 (2025): Journal Al-Ibanah
Publisher : Institut Agama Islam Persis Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54801/b2726673

Statistical testing, particularly homogeneity and normality testing, is an important step in the data analysis process to ensure the validity of statistical assumptions before conducting further analysis. This article discusses the implementation of Python-based homogeneity and normality testing, a programming language that is increasingly popular among researchers and statistical practitioners due to its ability to handle data analysis efficiently. This research utilizes Python libraries, such as SciPy, NumPy, and Matplotlib, to perform normality testing using the Shapiro-Wilk method, as well as homogeneity testing using the Levene test. These procedures were implemented through Python scripts designed to automate the data analysis process, reduce the potential for manual errors, and improve the reproducibility of results. The results show that the Python-based approach provides flexibility and high accuracy in data analysis, with the ability to handle large and complex datasets. Case studies on real datasets reveal that using Python can accelerate the statistical evaluation process, from data exploration to decision-making based on statistical test results. This article is expected to be a practical guide for researchers and statistical practitioners in utilizing Python to improve the efficiency and reliability of data analysis, especially in homogeneity and normality testing. Pengujian statistik, khususnya pengujian homogenitas dan normalitas, merupakan langkah penting dalam proses analisis data untuk memastikan validitas asumsi statistik sebelum melakukan analisis lebih lanjut. Artikel ini membahas implementasi pengujian homogenitas dan normalitas berbasis Python, sebuah bahasa pemrograman yang semakin populer di kalangan peneliti dan praktisi statistik karena kemampuannya dalam menangani analisis data secara efisien. Penelitian ini memanfaatkan pustaka Python, seperti SciPy, NumPy, dan Matplotlib, untuk melakukan pengujian normalitas menggunakan metode Shapiro-Wilk, serta pengujian homogenitas menggunakan uji Levene. Prosedur ini diimplementasikan melalui skrip Python yang dirancang untuk mengotomasi proses analisis data, mengurangi potensi kesalahan manual, dan meningkatkan reproducibility hasil. Hasil penelitian menunjukkan bahwa pendekatan berbasis Python memberikan fleksibilitas dan akurasi tinggi dalam analisis data, dengan kemampuan untuk menangani dataset berukuran besar dan kompleks. Studi kasus pada dataset nyata mengungkapkan bahwa penggunaan Python dapat mempercepat proses evaluasi statistik, mulai dari eksplorasi data hingga pengambilan keputusan berbasis hasil uji statistik. Artikel ini diharapkan dapat menjadi panduan praktis bagi peneliti dan praktisi statistik dalam memanfaatkan Python untuk meningkatkan efisiensi dan keandalan analisis data, khususnya dalam pengujian homogenitas dan normalitas.

Analisis Statistik Uji Normalitas dan Homogenitas Data Nilai Mata Pelajaran dengan Menggunakan Python Andy Agustian; Kania Lisdiana; Adang Suryana; Muhammad Nursalman
AL-IBANAH Vol. 10 No. 1 (2025): Journal Al-Ibanah
Publisher : Institut Agama Islam Persis Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54801/b2726673

Statistical testing, particularly homogeneity and normality testing, is an important step in the data analysis process to ensure the validity of statistical assumptions before conducting further analysis. This article discusses the implementation of Python-based homogeneity and normality testing, a programming language that is increasingly popular among researchers and statistical practitioners due to its ability to handle data analysis efficiently. This research utilizes Python libraries, such as SciPy, NumPy, and Matplotlib, to perform normality testing using the Shapiro-Wilk method, as well as homogeneity testing using the Levene test. These procedures were implemented through Python scripts designed to automate the data analysis process, reduce the potential for manual errors, and improve the reproducibility of results. The results show that the Python-based approach provides flexibility and high accuracy in data analysis, with the ability to handle large and complex datasets. Case studies on real datasets reveal that using Python can accelerate the statistical evaluation process, from data exploration to decision-making based on statistical test results. This article is expected to be a practical guide for researchers and statistical practitioners in utilizing Python to improve the efficiency and reliability of data analysis, especially in homogeneity and normality testing. Pengujian statistik, khususnya pengujian homogenitas dan normalitas, merupakan langkah penting dalam proses analisis data untuk memastikan validitas asumsi statistik sebelum melakukan analisis lebih lanjut. Artikel ini membahas implementasi pengujian homogenitas dan normalitas berbasis Python, sebuah bahasa pemrograman yang semakin populer di kalangan peneliti dan praktisi statistik karena kemampuannya dalam menangani analisis data secara efisien. Penelitian ini memanfaatkan pustaka Python, seperti SciPy, NumPy, dan Matplotlib, untuk melakukan pengujian normalitas menggunakan metode Shapiro-Wilk, serta pengujian homogenitas menggunakan uji Levene. Prosedur ini diimplementasikan melalui skrip Python yang dirancang untuk mengotomasi proses analisis data, mengurangi potensi kesalahan manual, dan meningkatkan reproducibility hasil. Hasil penelitian menunjukkan bahwa pendekatan berbasis Python memberikan fleksibilitas dan akurasi tinggi dalam analisis data, dengan kemampuan untuk menangani dataset berukuran besar dan kompleks. Studi kasus pada dataset nyata mengungkapkan bahwa penggunaan Python dapat mempercepat proses evaluasi statistik, mulai dari eksplorasi data hingga pengambilan keputusan berbasis hasil uji statistik. Artikel ini diharapkan dapat menjadi panduan praktis bagi peneliti dan praktisi statistik dalam memanfaatkan Python untuk meningkatkan efisiensi dan keandalan analisis data, khususnya dalam pengujian homogenitas dan normalitas.

Meningkatkan Berpikir Komputasi Siswa Melalui Aktivitas Unplugged: Studi Action Research pada Binary Search Trees Andy Agustian; Elisa Rosa; Rangga Destian; Lala Septem Riza; Muhammad Nursalman; Rasim Rasim; Rani Megasari; W. Wahyudin
Jurnal Sains dan Ilmu Terapan Vol. 7 No. 2 (2024): Jurnal Sains dan Ilmu Terapan
Publisher : Politeknik Kampar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59061/jsit.v7i2.916

Computational thinking is an essential skill in the digital age that includes problem solving, data analysis, and understanding algorithms. Unplugged activities, which introduce the concept of computing without electronic devices, are an effective and inclusive alternative in education, especially in environments with limited access to technology. This study aims to investigate the improvement of students' computational thinking through unplugged activities focusing on Binary Search Trees (BST). The method used is action research with the Kurt Lewin model, involving 42 6th grade elementary school students. The ISTE instrument was used to measure computational thinking skills. The results showed an increase in computational thinking skills, with 14.29% of students still not developing, 83.33% of students starting to develop, and 2.38% of students developing as expected. In conclusion, unplugged activities focusing on BST can significantly improve students' computational thinking skills, offering an innovative teaching method that can be applied in various educational contexts.

PENGARUH PEMBELAJARAN MELALUI UNPLUGGED BERBASIS TEAM ASSISTED INDIVIDUALIZATION UNTUK MENINGKATKAN KEMAMPUAN BERPIKIR KOMPUTASI Wahyudin; Amellya Mustikaningtyas Rishanty; Muhammad Nursalman
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 5 No. 2 (2021): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.5.2.1

Fasilitas teknologi merupakan salah satu faktor yang dapat menunjang kegiatan belajar mengajar khususnya siswa SMK ranah teknologi dan informasi. Berpikir komputasi juga merupakan salah satu kemampuan pendukung yang harus dimiliki setiap siswa. Hal ini sejalan dengan studi pendahuluan yang telah peneliti lakukan, guru menyatakan bahwa siswa kesulitan serta kurang aktif saat mempelajari materi pemrograman dasar yang disebabkan oleh terbatasnya media yang digunakan dan metode yang kurang optimal. Maka, tujuan penelitian ini yaitu merancang media pembelajaran berupa unplugged dengan metode Team Assisted Individualization yang selanjutnya disebut BoCaGa. Dokumentasi media dirancang menggunakan animasi agar menggambarkan kegiatan pembelajaran dengan jelas. Penelitian menggunakan pendekatan kualitatif dan metode eksperimen semu pretest dan posttest control group design. Sehingga, diperoleh: 1) media pembelajaran dinyatakan layak digunakan dengan nilai persentase sebesar 94,23% termasuk kategori “Sangat Baik” oleh ahli media. (2) Media pembelajaran yang telah dirancang dapat meningkatkan kemampuan berpikir komputasi siswa dengan rata-rata nilai gain sebesar 0,49 dan kriteria efektivitas “sedang”. (3) Respon siswa terhadap penggunaan BoCaGa menunjukkan nilai persentase sebesar 97, 87% dengan kategori ”Sangat Baik”.

Title

Found 5 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 5 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 5 Documents
Search