Claim Missing Document
Check
Articles

Found 12 Documents
Search

Pengembangan Komik Strip Sebagai Inovasi Media Pembelajaran untuk Materi Teknologi Informasi dan Komunikasi Fadel Fauzan Mentemas; Sitti Suhada; Huzaima Mas’ud; Dian Novian; Eka Vickraein Dangkua; Ihsanulfu'ad Suwandi
Inverted: Journal of Information Technology Education Vol 6, No 2: Juli 2026
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/inverted.v6i2.38880

Abstract

Penelitian ini dilatar belakangi oleh kurangnya variasi media pembelajaran pada mata pelajaran Informatika yang masih didominasi oleh pemanfaatan PowerPoint dan buku teks, hal tersebut menyebabkan siswa cenderung merasa bosan dan mengalami kesulitan dalam memahami materi teknologi informasi dan komunikasi. Penelitian ini bertujuan untuk mengembangkan media pembelajaran berbasis komik strip yang menarik serta mengetahui tingkat kelayakan dan kepraktisannya. Metode yang digunakan adalah Research and Development (RD) dengan model ADDIE yang meliputi tahap analysis, design, development, implementation, dan evaluation. Hasil penelitian menunjukkan bahwa media pembelajaran yang dikembangkan memperoleh tingkat kelayakan yang sangat baik, dengan persentase sebesar 91% dari ahli media dan 93% dari ahli materi yang termasuk dalam kategori “Sangat Layak”, serta hasil uji kepraktisan yang melibatkan 30 siswa kelas VII SMP Negeri 1 Bulango Timur memperoleh persentase sebesar 92% dengan kategori “Sangat Praktis”. Media pembelajaran komik strip ini dinilai mampu meningkatkan minat belajar, mempermudah pemahaman siswa, serta memberikan pengalaman belajar yang lebih menarik melalui penyajian visual dan alur cerita yang komunikatif, sehingga dapat disimpulkan bahwa media yang dikembangkan layak dan praktis digunakan sebagai alternatif media pembelajaran pada materi teknologi informasi dan komunikasi dalam mata pelajaran Informatika.
Analisis Pengelompokan Risiko Keterlambatan Penyelesaian Studi Mahasiswa Menggunakan Algoritma K-Means Balqis Cipta Cinta Ramadhani; Manda Rohandi; Muthia Muthia; Lillyan Hadjaratie; Sri Ayu Ashari; Ihsanulfu'ad Suwandi
Inverted: Journal of Information Technology Education Vol 6, No 2: Juli 2026
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/inverted.v6i2.39647

Abstract

Keterlambatan penyelesaian studi mahasiswa merupakan salah satu permasalahan yang dapat memengaruhi kualitas lulusan dan efektivitas penyelenggaraan pendidikan tinggi. Data akademik mahasiswa Program Studi Pendidikan Teknologi Informasi dan Sistem Informasi Universitas Negeri Gorontalo menunjukkan masih terdapat mahasiswa yang belum menyelesaikan studi sesuai waktu yang ditetapkan. Oleh karena itu, diperlukan analisis data akademik untuk mengidentifikasi kelompok mahasiswa yang berisiko mengalami keterlambatan penyelesaian studi. Penelitian ini bertujuan mengelompokkan mahasiswa berdasarkan tingkat risiko keterlambatan penyelesaian studi menggunakan algoritma K-Means Clustering. Metode penelitian menggunakan pendekatan data mining dengan kerangka kerja Cross Industry Standard Process for Data Mining (CRISP-DM). Data yang digunakan merupakan data akademik sebanyak 1.012 mahasiswa yang diperoleh dari Sistem Informasi Akademik Terpadu (SIAT) Universitas Negeri Gorontalo dengan variabel Indeks Prestasi Kumulatif (IPK), Indeks Prestasi Semester (IPS), dan Lama Studi (Jumlah Semester yang ditempuh). Proses clustering dilakukan menggunakan algoritma K-Means dengan pengujian jumlah cluster k=2, k=3, dan k=4, kemudian dievaluasi menggunakan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa jumlah cluster optimal diperoleh pada k=3 dengan nilai DBI sebesar 0,713. Hasil clustering menghasilkan tiga kelompok mahasiswa, yaitu Cluster 1 sebanyak 477 mahasiswa (47,1%) dengan kategori risiko rendah, Cluster 2 sebanyak 362 mahasiswa (35,8%) dengan kategori risiko sedang, dan Cluster 0 sebanyak 173 mahasiswa (17,1%) dengan kategori risiko tinggi. Penelitian ini menunjukkan bahwa algoritma K-Means mampu mengidentifikasi pola akademik mahasiswa berdasarkan IPK, IPS, dan Lama Studi sehingga dapat dimanfaatkan sebagai dasar monitoring akademik dan pendampingan bagi mahasiswa yang berisiko mengalami keterlambatan penyelesaian studi.