Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal INPAFI (Inovasi Pembelajaran Fisika) Journal of Multidisciplinary Science: MIKAILALSYS
Dila Sari
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Environmental Science Physics Social Sciences Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENGARUH MODEL PEMBELAJARAN BERBASIS MASALAH BERBANTUAN KOMPUTER TERHADAP HASIL BELAJAR SISWA PADA MATERI POKOK CAHAYA KELAS VIII SMP NEGERI 11 MEDAN Dila Sari; Ratelit Tarigan
INPAFI (Inovasi Pembelajaran Fisika) Vol 2, No 3 (2014): INPAFI
Publisher : UNIVERSITAS NEGERI MEDAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (85.19 KB) | DOI: 10.24114/inpafi.v2i3.1985

Abstract

ABSTRAK Penelitian ini bertujuan untuk mengetahui apakah ada pengaruh model pembelajaran berbasis masalah berbantuan komputer terhadap hasil belajar siswa pada materi pokok cahaya di kelas VIII SMP Negeri 11 Medan. Jenis penelitian ini adalah kuasi eksperimen. Populasi dalam penelitian  adalah seluruh siswa kelas VIII SMP Negeri 11 Medan yang terdiri dari 8 kelas berjumlah 336 orang. Pengambilan sampel dilakukan dengan cara cluster random sampling dengan menjadikan 2 kelas, yaitu kelas VIII-8 sebagai kelas eksperimen dan kelas VIII-6 sebagai kelas kontrol. Instrumen yang digunakan adalah tes hasil belajar yang terdiri dari 15 soal pilihan berganda dan tes kemampuan berpikir kritis yang terdiri dari 5 soal essai yang divalidkan oleh dua orang dosen dan satu orang guru fisika sebagai validator. Sebelum penelitian, dilakukan uji prasyarat penelitian (pretes) dimana kedua kelas sampel memiliki kemampuan awal yang sama. Berdasarkan nilai rata-rata kedua kelas sampel (nilai rata-rata pretes kelas eksperimen adalah 38,4 dan nilai rata-rata pretes kelas kontrol adalah 38,2) yang dianalisis dengan menggunakan uji t,  menunjukkan bahwa kemampuan awal kedua kelas sampel adalah sama. Selanjutnya diberikan perlakuan yang berbeda yaitu kelas eksperimen dengan model pembelajaran berbasis masalah berbantuan komputer dan kelas kontrol dengan model pembelajaran berbasis masalah. Setelah diberi perlakuan diperoleh nilai rata-rata postes pada kelas eksperimen 75,3 dan nilai rata-rata postes kelas kontrol 68,6. Berdasarkan hasil uji t diperoleh thitung = 2,2 sedangkan ttabel = 1,665. Karena thitung > ttabel (2,2 > 1,665) maka H0 ditolak dan Ha diterima, dengan demikian diperoleh kesimpulan bahwa ada perbedaan akibat pengaruh model pembelajaran berbasis masalah berbantuan komputer terhadap hasil belajar siswa. Untuk hubungan kemampuan berpikir kritis tinggi dan hasil belajar (kognitif) siswa, diperoleh kesimpulan bahwa terdapat hubungan yang positif antara kemampuan berpikir kritis tinggi dan hasil belajar (kognitif) siswa pada kelas eksperimen maupun kelas kontrol di kelas VIII SMP N 11 Medan.   Kata Kunci : pembelajaran berbasis masalah, komputer, hasil belajar
Air Quality Classification Using the Backpropagation Neural Network Algorithm on DKI Jakarta Province ISPU Data Dila Sari; Syafriandi
Journal of Multidisciplinary Science: MIKAILALSYS Vol 4 No 3 (2026): Journal of Multidisciplinary Science: MIKAILALSYS
Publisher : Darul Yasin Al Sys

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58578/mikailalsys.v4i3.11950

Abstract

Air quality is a critical environmental determinant of public health and quality of life. In Indonesia, air quality is commonly monitored using the Air Pollution Standard Index (ISPU), which classifies conditions according to pollutant concentrations. This study develops an air quality classification model using a backpropagation neural network and the DKI Jakarta ISPU dataset. The input variables comprised PM₁₀, PM₂.₅, SO₂, CO, O₃, and NO₂, while air quality was classified into three categories: Good, Moderate, and Unhealthy. The analytical procedure included data cleaning, min–max normalization, partitioning the dataset into 80% training and 20% testing subsets, and tuning the learning rate and number of hidden neurons. Model performance was evaluated using a confusion matrix, accuracy, Cohen’s kappa, sensitivity, and specificity. The optimal model, configured with a learning rate of 0.5 and six hidden neurons, achieved an accuracy of 97.67% and a kappa value of 0.933, indicating almost perfect agreement between predicted and observed classifications. High sensitivity and specificity across all categories further confirmed the model’s ability to distinguish air quality levels accurately. These findings demonstrate the effectiveness of the backpropagation neural network for classifying air quality based on DKI Jakarta ISPU data and provide a methodological basis for developing data-driven air quality monitoring and public health decision-support systems.
Co-Authors Ahmad, Muhammad Syahrul Ulum Azizah, Dheanda Aulia Fitri Al darwis darwis, darwis Gandi, Umar Hijrah Hijrah Mutmainnah Mutmainnah Nuraqillah, Nuraqillah Nurmukhfida, Nurmukhfida Ratelit Tarigan Suleman Suleman Syafriandi Zadiq, Muhammad