Article Per Year (5 Year)
p-Index From 2021 - 2026
2.757
P-Index
This Author published in this journals
All Journal Current Biochemistry Indonesia Chimica Acta Jurnal Penelitian Pendidikan IPA (JPPIPA) Indonesian Journal of Chemistry ANNALES BOGORIENSES Astonjadro Journal of Education, Humaniora and Social Sciences (JEHSS) Jurnal Review Pendidikan dan Pengajaran (JRPP) Jurnal Ilmiah Al-Mu'ashirah: Media Kajian Al-Qur'an dan Al-Hadits Multi Perspektif Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Paedagogy JOURNAL OF BUSINESS AND ECONOMICS RESEARCH (JBE) Mattawang: Jurnal Pengabdian Masyarakat el-Buhuth: Borneo Journal of Islamic Studies Digital Transformation Technology (Digitech) Aurelia: Jurnal Penelitian dan Pengabdian Masyarakat Indonesia CSRID DIPANEGARA KOMPUTER TEKNOLOGI INFORMATIKA (DIPAKOMTI) Jurnal Akademika Kimia Annales Bogorienses
Arwansyah Arwansyah
Department Of Chemistry Education, Faculty Of Teacher Training And Education, Tadulako University, Palu, Indonesia
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Energy Health Professions Immunology & microbiology Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Neuroscience Physics Public Health Social Sciences Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Pelatihan Pengembangan Perangkat Pembelajaran Inovatif Dengan Menggunakan Pendekatan Teaching at the Right Level (TaRL) pada Guru-Guru di SD Inpres 3 Tondo Sabang, Sri Mulyani; Arwansyah, Arwansyah; Tahril, Tahril; Santoso, Tri; Esterlina, Meida
AURELIA: Jurnal Penelitian dan Pengabdian Masyarakat Indonesia Vol 5, No 1 (2026): January 2026
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/aurelia.v5i1.7601

Abstract

Pelatihan pengembangan perangkat pembelajaran inovatif dengan pendekatan Teaching at the Right Level (TaRL) pada guru-guru SD Inpres 3 Tondo dilaksanakan sebagai upaya strategis untuk meningkatkan kompetensi pedagogik guru dalam menghadapi tantangan pembelajaran abad 21. Kegiatan ini berfokus pada pengenalan konsep pembelajaran inovatif yang mengintegrasikan TPACK, STEAM, HOTS, dan keterampilan 4C, serta pelatihan dalam pemetaan karakteristik peserta didik guna menyusun perangkat pembelajaran yang sesuai dengan tingkat capaian siswa. Hasil pelatihan menunjukkan bahwa guru memperoleh pemahaman baru mengenai pentingnya menyesuaikan perangkat pembelajaran dengan kebutuhan riil siswa. Guru berhasil menghasilkan produk berupa RPP/Modul Ajar, LKPD, media, dan instrumen penilaian berbasis TaRL yang terbukti meningkatkan keterlibatan siswa, menciptakan suasana kelas yang lebih inklusif, serta mendorong kepercayaan diri guru dalam mengelola pembelajaran. Selain itu, terbentuk pula komunitas belajar di antara guru yang mendorong kolaborasi dan keberlanjutan praktik inovatif di sekolah. Kesepakatan untuk melanjutkan kerja sama dengan tim pelaksana menunjukkan bahwa dampak pelatihan tidak hanya berhenti pada saat kegiatan berlangsung, tetapi juga berpotensi berkembang dalam bentuk pendampingan berkelanjutan. Secara keseluruhan, pelatihan ini berhasil meningkatkan kompetensi guru dan kualitas pembelajaran di SD Inpres 3 Tondo, serta berpotensi menjadi model praktik baik yang dapat direplikasi di sekolah dasar lainnya.
Penerapan Metode Convolutional Neural Network Untuk Klasifikasi Jenis Sampah Bawah Air Krisna Dwi Septian; Noor Khalisa; Imran Djafar; Arwansyah, Arwansyah
Dipanegara Komputer Teknologi Informatika Vol. 17 No. 1 (2025): Jurnal Dipanegara Komputer Teknik Informatika (DIPAKOMTI)
Publisher : Universitas Dipa Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36774/dipakomti.v17i1.1773

Abstract

Pesatnya perkembangan teknologi kecerdasan buatan, terutama deep learning, menawarkan peluang baru dalam mengidentifikasi sampah di bawah air secara otomatis. Penelitian ini merancang arsitektur Convolutional Neural Network (CNN) kustom yang bertujuan untuk mengklasifikasikan sampah bawah air ke dalam dua kategori, yaitu plastik dan non-plastik. Dataset yang dipergunakan berisi 600 citra bawah air yang diambil langsung dari lingkungan perairan menggunakan kamera GoPro Hero 11. Data ini selanjutnya dibagi menjadi tiga bagian: 70% untuk pelatihan, 15% untuk validasi, dan 15% untuk pengujian. Arsitektur CNN kustom mencakup tiga lapisan konvolusi berturut-turut dengan 32, 64, dan 128 filter berukuran 3×3. Setiap lapisan konvolusi diikuti oleh lapisan max pooling 2×2. Setelah itu, output lapisan konvolusi diflatten menjadi vektor, kemudian melewati dua lapisan dense: lapisan pertama berisi 128 neuron beraktivasi ReLU dan lapisan terakhir (output) terdiri dari 2 neuron beraktivasi Softmax yang menghasilkan klasifikasi dua kelas. Sebagai upaya mencegah overfitting, lapisan dropout dengan rasio 0,5 diterapkan sebelum lapisan output. Model dilatih selama 50 epoch dengan optimizer Adam dan loss function Categorical Cross-Entropy. Implementasi dilakukan menggunakan platform TensorFlow dan Keras di lingkungan Google Colab. Kinerja model dievaluasi dengan berbagai metrik, antara lain akurasi, presisi, recall, F1-score, serta analisis confusion matrix. Hasil pengujian menunjukkan model mencapai akurasi 89%, dengan precision 95% untuk kelas plastik dan 84% untuk kelas non-plastik. Meski kinerjanya cukup baik, model ini masih menghadapi kendala pada kondisi lingkungan bawah air yang dinamis, misalnya perubahan pencahayaan dan kemiripan tekstur antar objek sampah. Penelitian selanjutnya disarankan untuk memperbesar ukuran dataset dan mempertimbangkan arsitektur jaringan yang lebih kompleks atau memanfaatkan teknik transfer learning demi meningkatkan akurasi klasifikasi.
Co-Authors Abdur Rahman Arif Abdur Rahman Arif, Abdur Rahman Adwi Restafara Ahmad Albar Tanjung Ahyuna Ahyuna, Ahyuna Aini Nurul Akhriana, Asmah Alwi, Nurul H. Baharuddin Hamzah Cucut Susanto, Cucut Daud Karel Walanda Dede Ruslan Dede Ruslan, Dede Ruslan Dewi Satria Ahmar Dinda Ulan Daini Eramahi, Eka Erfan Hasmin Esterlina, Meida Faizal Faizal, Faizal Gita Syahputra Gusty, Sri hasyim, hasyim Hasyrif SY Heriadi, Herman Imran Djafar Indah Permata Sari Itrayuni, Itrayuni Karina Nadya Sirajuddin Krisna Dwi Septian Kusharyoto, Wien Kusharyoto, Wien LAKSMI AMBARSARI Lucky Satria Pratama Magfirah Magfirah Manalu, Herna Uli Mery Napitupulu Muhammad Chaerul Muhammad Sulaiman Zubair Munajat Munajat, Munajat Nana Gustianda Nasrullah Hidayat, Nasrullah Noor Khalisa Nurdiansah, Nurdiansah Olivia Inrawati I. Somang Pardede, Erni Rugun Maria Rahmadana, Fitri Rahmansyah, Armin Rahmat Hidayat Sakung, Jamaludin Musa Samsu Alam Saputra, Edriagus Setyanto Tri Wahyudi Siti Nuryanti Sitti Aisa, Sitti Sitti Rahmawati Sri Mulyani Sabang Suryani Suryani Syamsudddin, Sadly Tahril Tony Sumaryada Tri Santoso Usman Usman Vivi Dia A Sangkota