Claim Missing Document
Check
Articles

Found 6 Documents
Search

EFEKTIVITAS MODEL PEMBELAJARAN BERBASIS MASALAH DAN INKUIRI TERHADAP KARAKTER KOMUNIKATIF PADA MATERI TERMOKIMIA Vivin Wulandari; Maria Erna; Rasmiwetti Rasmiwetti
Jurnal Tadris Kimiya Vol 4, No 1 (2019)
Publisher : Department of Chemistry Education, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/jtk.v4i1.4230

Abstract

Penelitian tentang penerapan model pembelajaran berbasis masalah (PBL) dan inkuiri telah dilakukan untuk melihat model pembelajaran yang lebih efektif terhadap karakter komunikatif peserta didik pada pokok bahasan termokimia di kelas XI SMA Negeri 1 Bandar Seikijang, Pelalawan. Bentuk penelitian yang dilakukan adalah penelitian kuasi-eksperimen dengan desain non equivalen control posttest design. Waktu pengambilan data mulai dari bulan september-oktober 2018 sebanyak 4 kali pertemuan. Sampel merupakan dua kelas yang dipilih dari empat kelas yang ada, yaitu kelas XI MIPA 1 berjumlah 25 peserta didik dan XI MIPA 2 berjumlah 21 peserta didik. Teknik pengumpulan data dalam penelitian ini yaitu tes dan kuisioner (angket), tes dilakukan dengan soal sebanyak 30 butir dan angket sebanyak 18 butir pernyataan.  Teknik analisis data yang digunakan yaitu dengan menghitung skor rata-rata untuk soal tes dan menghitung persentase karakter komunikatif untuk soal non tes. Berdasarkan hasil penelitian, pengolahan data akhir diperoleh persentase hasil belajar pada kelas PBL sebesar 78,85% dan pada kelas inkuiri sebesar 81,98 %. Selain itu, persentase karakter komunikatif peserta didik yang diajar dengan model PBL sebesar 78,15% dan kelas inkuiri sebesar 83,75%, artinya penerapan model pembelajaran inkuiri lebih efektif digunakan dalam membangun karakter komunikatif peserta didik pada materi termokimia di kelas XI SMA Negeri 1 Bandar Seikijang, Pelalawan.
PRAKTIK BAGI HASIL DALAM USAHA TANI JAGUNG: ANALISIS PERSPEKTIF EKONOMI ISLAM DI DESA PELANGKI OKU SELATAN Dwi Febri Anggela; Erdah Litriani; Khairul RIjal; Vivin Wulandari
El-Mubarak: Islamic Studies Journal Vol. 2 No. 1 (2025): El-Mubarak - Islamic Studies Journal
Publisher : CV. Cendekiawan Muda Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70656/emisja.v2i1.271

Abstract

Kerja sama antara pemilik dan penggarap kebun jagung di Desa Pelangki masih menghadapi beberapa kendala, seperti ketidakjelasan batas waktu perjanjian dan ketiadaan perjanjian tertulis. Hal ini menyebabkan sulitnya penyelesaian ketika terjadi perselisihan, karena tidak adanya bukti yang kuat untuk membela pihak yang dirugikan. Penelitian ini bertujuan untuk mengetahui bagaimana sistem bagi hasil antara pemilik dan penggarap jagung di Desa Pelangki, serta meninjau praktik tersebut dari perspektif ekonomi Islam. Penelitian ini merupakan penelitian lapangan (field research) dengan pendekatan deskriptif kualitatif. Data diperoleh melalui sumber primer dan sekunder, dengan teknik pengumpulan data berupa observasi, wawancara, dan dokumentasi. Analisis data dilakukan melalui tahapan reduksi data, penyajian data, dan penarikan kesimpulan. Hasil penelitian menunjukkan bahwa sistem bagi hasil yang diterapkan menggunakan akad muzara’ah. Namun, pelaksanaannya belum sepenuhnya sesuai dengan prinsip ekonomi Islam karena tidak adanya kejelasan jangka waktu akad dan perjanjian hanya dilakukan secara lisan. Meskipun demikian, praktik bagi hasil ini tetap mencerminkan nilai-nilai Islam seperti menjunjung tinggi amanah, keadilan, dan kebermanfaatan bagi kedua belah pihak.
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELAYAKAN PENERIMA BANTUAN MENGGUNAKAN METODE FUZZY SUGENO wardah, Utami; Vivin Wulandari; Khairul Saleh
Jurnal Intelek Insan Cendikia Vol. 3 No. 1 (2026): JANUARI 2026
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Penentuan kelayakan penerima bantuan merupakan aspek penting untuk memastikan bantuan yang disalurkan tepat sasaran dan sesuai dengan kriteria yang telah ditetapkan. Dalam penelitian ini, dikembangkan sebuah sistem pendukung keputusan berbasis logika fuzzy menggunakan metode Sugeno untuk menentukan tingkat kelayakan penerima bantuan. Metode Sugeno dipilih karena kemampuannya menghasilkan keluaran numerik yang lebih presisi sehingga dapat mendukung proses pengambilan keputusan secara objektif. Parameter masukan yang digunakan meliputi tingkat pendapatan, jumlah tanggungan, kondisi tempat tinggal, dan status pekerjaan, yang masing-masing direpresentasikan dalam fungsi keanggotaan fuzzy. Sistem ini dibangun menggunakan aturan fuzzy IF–THEN dengan keluaran berupa nilai kelayakan dalam rentang 0–100. Hasil pengujian menunjukkan bahwa sistem mampu memberikan rekomendasi kelayakan penerima bantuan secara akurat dan konsisten serta sesuai dengan penilaian manual. Dengan adanya sistem ini, proses penentuan penerima bantuan dapat dilakukan secara lebih efektif, transparan, dan tepat sasaran.
Implementasi Metode Learning Vector Quantization (LVQ) pada Sistem Pendukung Keputusan Klasifikasi Prestasi Siswa : Penelitian Yunita Sari; Siti Gkhonia; Vivin Wulandari; Utami Wardah Hafiz; Wanayumini
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 3 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 3 (Januari 202
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i3.5116

Abstract

Penilaian prestasi siswa merupakan bagian penting dalam proses evaluasi pendidikan karena berperan sebagai dasar pengambilan keputusan akademik. Namun, proses klasifikasi prestasi siswa masih banyak dilakukan secara konvensional sehingga berpotensi menghasilkan penilaian yang kurang objektif. Penelitian ini bertujuan untuk mengimplementasikan metode Learning Vector Quantization (LVQ) pada sistem pendukung keputusan dalam mengklasifikasikan prestasi siswa berdasarkan data nilai pengetahuan. Penelitian menggunakan pendekatan kuantitatif dengan metode eksperimental, memanfaatkan data nilai pengetahuan mata pelajaran Al-Qur’an Hadis kelas III B MIN 3 Asahan semester I tahun pelajaran 2023/2024 yang berjumlah 27 siswa. Empat nilai sumatif digunakan sebagai atribut input dan dikelompokkan ke dalam tiga kategori prestasi, yaitu tinggi, sedang, dan rendah. Data dinormalisasi menggunakan metode min–max, kemudian dibagi menjadi data latih dan data uji dengan proporsi 70% dan 30%. Hasil pengujian menunjukkan bahwa metode LVQ mampu mengklasifikasikan prestasi siswa dengan tingkat akurasi sebesar 87,50%. Kesalahan klasifikasi terjadi pada data dengan nilai yang berada di batas antar kategori prestasi. Temuan ini menunjukkan bahwa metode LVQ efektif digunakan sebagai alat bantu pengambilan keputusan akademik yang berbasis data dan dapat meningkatkan objektivitas dalam penilaian prestasi siswa.
Implementasi Metode Learning Vector Quantization (LVQ) pada Sistem Pendukung Keputusan Klasifikasi Prestasi Siswa Vivin Wulandari; Bambang Irwansyah
Jurnal Intelek Insan Cendikia Vol. 3 No. 2 (2026): Februari 2026
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Penilaian prestasi siswa merupakan bagian penting dalam proses evaluasi pendidikan karena berperan sebagai dasar pengambilan keputusan akademik. Namun, proses klasifikasi prestasi siswa masih banyak dilakukan secara konvensional sehingga berpotensi menghasilkan penilaian yang kurang objektif. Penelitian ini bertujuan untuk mengimplementasikan metode Learning Vector Quantization (LVQ) pada sistem pendukung keputusan dalam mengklasifikasikan prestasi siswa berdasarkan data nilai pengetahuan. Penelitian menggunakanpendekatankuantitatifdenganmetodeeksperimental, memanfaatkan data nilaipengetahuanmatapelajaran Al-Qur’an Hadis kelas III B MIN 3 Asahan semester I tahunpelajaran 2023/2024 yang berjumlah 27 siswa. Empatnilai sumatif digunakan sebagai atribut input dan dikelompokkan ke dalam tiga kategori prestasi, yaitu tinggi, sedang, dan rendah. Data dinormalisasi menggunakan metode min–max, kemudian dibagi menjadi data latih dan data uji dengan proporsi 70% dan 30%. Hasil pengujian menunjukkan bahwa metode LVQ mampu mengklasifikasikan prestasi siswa dengan tingkat akurasi sebesar 87,50%. Kesalahan klasifikasi terjadi pada data dengan nilai yang berada di batas antar kategori prestasi. Temuan ini menunjukkan bahwa metode LVQ efektif digunakan sebagai alat bantu pengambilan keputusan akademik yang berbasis data dan dapat meningkatkan objektivitas dalam penilaian prestasi siswa.
Analisis Pola Penjualan Produk Pulsa Menggunakan Algoritma K-Means Clustering untuk Segmentasi Tingkat Popularitas Produk : Penelitian Yunita Sari; Bambang Irwansyah; Siti Gkhonia; Vivin Wulandari; Utami Wardah Hafiz; Santi Kayani Siregar
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 4 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 4 Tahun 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i4.5330

Abstract

Penjualan produk pulsa merupakan aktivitas bisnis yang memiliki tingkat dinamika tinggi seiring dengan meningkatnya kebutuhan masyarakat terhadap layanan telekomunikasi. Permasalahan yang sering dihadapi pelaku usaha adalah kurang optimalnya pemanfaatan data transaksi penjualan untuk memahami pola permintaan dan tingkat popularitas produk. Penelitian ini bertujuan untuk menganalisis pola penjualan produk pulsa dan melakukan segmentasi tingkat popularitas produk menggunakan algoritma K-Means Clustering. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan memanfaatkan data sekunder berupa riwayat transaksi penjualan pulsa selama periode satu tahun. Data yang diperoleh melalui tahapan prapengolahan meliputi pembersihan, transformasi, dan normalisasi data sebelum dianalisis menggunakan algoritma K-Means. Jumlah cluster ditetapkan sebanyak tiga kelompok yang merepresentasikan kategori popularitas tinggi, sedang, dan rendah. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengelompokkan produk pulsa secara jelas berdasarkan karakteristik penjualannya. Produk dengan jumlah transaksi tinggi tergolong dalam cluster popularitas tinggi dan memberikan kontribusi terbesar terhadap total penjualan, sedangkan produk dengan transaksi rendah berada pada cluster popularitas rendah.