Claim Missing Document
Check
Articles

Found 2 Documents
Search

PENERAPAN METODE PEMBELAJARAN GROUP INVESTIGATION BERBANTUAN MEDIA TEKNOLOGI INFORMASI DAN KOMUNIKASI (TIK) UNTUK MENINGKATKAN HASIL BELAJAR GEOGRAFI SISWA KELAS XI IPS 2 MAN 4 ACEH BESAR Ilham Maulana; Daska Azis; Mirza Desfandi
Jurnal Ilmiah Mahasiswa Pendidikan Geografi Vol 6, No 1 (2021): Februari 2021
Publisher : Jurnal Ilmiah Mahasiswa Pendidikan Geografi

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

Abstract

Hasil belajar adalah kemampuan yang dimiliki peserta didik sebagai akibat perbuatan belajar dan dapat diamati melalui penampilan peserta didik. Salah satu cara untuk meningkatkan hasil belajar yaitu melalui proses pembelajaran seperti penerapan metode pembelajaran group investigation. Group investigation (GI) merupakan metode pembelajaran kooperatif yang menekankan pada partisipasi dan aktivitas siswa untuk mencari secara mandiri materi-materi atau informasi yang akan dipelajari melalui berbagai sumber seperti internet dan juga buku-buku terkait. Rumusan masalah dalam penelitian ini yaitu melihat apakah ada peningkatan terhadap hasil belajar siswa, bagaimana aktivitas guru dan siswa, keterampilan guru dan respon siswa terhadap pembelajaran. Penelitian bertujuan untuk: (1) mengetahui peningkatan hasil belajar siswa; (2) aktivitas guru dan siswa; (3) keterampilan guru dalam mengelola pembelajaran (4) respon siswa terhadap pembelajaran. Subjek penelitian adalah siswa Kelas XI IPS 2 berjumlah 27 siswa. Pengumpulan data dilakukan dengan menggunakan lembar tes, instrumen pengamatan aktivitas guru dan siswa, instrumen pengamatan keterampilan guru dalam mengelola  pembelajaran, dan angket respon siswa terhadap pembelajaran. Hasil analisis data dihitung secara statistik deskriptif persentase. Hasil penelitian menunjukkan bahwa: (1) Hasil belajar siswa mengalami peningkatan pada setiap siklus baik secara individual maupun klasikal; (2) Aktivitas guru dan siswa mengalami peningkatan kesesuaian, dari 11 aktivitas 6 aktivitas yang sesuai pada siklus I, meningkat menjadi 8 aktivitas sesuai pada siklus II, kemudian meningkat hingga 10 aktivitas sesuai pada siklus III; (3) Keterampilan guru dalam mengelola pembelajaran mengalami peningkatan cukup baik, pada siklus I dengan perolehan skor 2,5 dengan kategori sedang, skor 3,4 pada siklus II dengan kategori baik, dan siklus III mencapai skor 3,7 dengan kategori sangat baik; dan (4) Respon terhadap pembelajaran yang berisi 10 pertanyaan sekitar 80,7% siswa menyatakan penerapan metode pembelajaran Group Investigation berbantuan media TIK sangat membantu siswa dalam memahami materi, melatih berbicara aktif, dan dapat meningkatkan hasil belajar siswa Kelas XI IPS 2 MAN 4 Aceh Besar.
Optimization of Solar Panel Installation Potential Mapping Based on Convolutional Neural Network Maulisa Oktiana; Rika Sri Utami; Ilham Maulana; Annisa Gusti Ananda
Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vol. 11, No. 2, May 2026
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/kinetik.v11i2.2584

Abstract

The increasing global energy demand and the depletion of fossil fuel resources have accelerated the transition toward renewable energy. Solar energy is considered one of the most promising sustainable energy sources. However, identifying suitable locations for solar panel installation remains challenging due to geographic and environmental variability across different regions. This study proposes a Convolutional Neural Network (CNN)-based approach to map potential solar panel installation areas using high-resolution satellite imagery. The model is designed to extract spatial features from land surfaces, including land cover characteristics, building density, and reflectance patterns derived from Sentinel-2 imagery obtained through Google Earth Engine. The proposed framework utilizes a VGG19-based architecture with transfer learning to improve feature extraction and classification performance. Experimental results demonstrate that the proposed model achieves an accuracy of 94.2% in classifying areas suitable for solar panel installation. These findings indicate that deep learning–based spatial analysis can provide an effective approach to support large-scale solar energy planning and decision-making.