Claim Missing Document
Check
Articles

Found 12 Documents
Search

Pemanfaatan Bank Sampah untuk Pembelajaran Matematika Berbasis Lingkungan Yuliza, Evi; Faruk, Alfensi; Hadi; Nurnawati, Elisa; Puspita, Fitri Maya; Indrawati; Octarina, Sisca
Qardhul Hasan: Media Pengabdian kepada Masyarakat Vol. 12 No. 1 (2026): Qardhul Hasan: Media Pengabdian kepada Masyarakat
Publisher : Universitas Djuanda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30997/qh.v12i1.23134

Abstract

Permasalahan mitra dalam kegiatan pengabdian ini meliputi pengelolaan sampah sekolah yang belum berjalan secara optimal serta belum dimanfaatkannya bank sampah sebagai bagian dari proses pembelajaran, khususnya pada mata pelajaran matematika. Pembelajaran matematika mencakup materi operasi hitung, pengukuran, dan penyajian data. Kegiatan pengabdian ini bertujuan untuk menerapkan bank sampah sebagai media pembelajaran matematika berbasis lingkungan di SD Negeri 8 Indralaya Utara. Metode pelaksanaan yang digunakan meliputi observasi, sosialisasi kepada siswa mengenai pentingnya bank sampah di lingkungan sekolah, pendampingan pembelajaran matematika yang terintegrasi dengan bank sampah, serta evaluasi melalui pretest dan posttest untuk mengukur peningkatan pemahaman siswa. Hasil kegiatan menunjukkan adanya peningkatan pemahaman konsep matematika siswa, yaitu pada materi luas meningkat sebesar 20,68% dari 62,07% menjadi 82,75%, materi volume meningkat sebesar 24,14% dari 62,07% menjadi 86,21%, dan materi statistika sederhana meningkat sebesar 19,23% dari 76,92% menjadi 96,15%. Dengan demikian, pemanfaatan bank sampah sebagai media pembelajaran matematika berbasis lingkungan terbukti efektif dalam meningkatkan hasil belajar siswa sekaligus mengedukasi siswa peduli terhadap lingkungan.
Investigasi Performa Artificial Neural Networks Dengan Resampling dan Pembobotan Kelas Pada Data Berat Lahir Rendah Tidak Seimbang Alfensi Faruk
Jurnal Pendidikan Indonesia Vol. 6 No. 6 (2025): Jurnal Pendidikan Indonesia
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/japendi.v6i6.8086

Abstract

Berat lahir rendah (BLR) merupakan salah satu indikator krusial dalam memantau kesehatan bayi baru lahir. Upaya identifikasi dini terhadap risiko BLR penting dilakukan, namun tantangan muncul ketika data yang tersedia tidak seimbang, dengan jumlah kasus BLR jauh lebih sedikit dibandingkan bayi dengan berat lahir normal. Penelitian ini mengevaluasi kinerja model Artificial Neural Networks (ANN) dalam memprediksi BLR menggunakan dua pendekatan penyeimbangan data, yakni teknik resampling dan pembobotan kelas (class weighting). Dataset memuat data ibu yang pernah melahirkan dengan distribusi label tidak seimbang (6.8% BLR). Model ANN dirancang menggunakan fungsi aktivasi ReLU dan sigmoid serta dioptimasi dengan algoritma Adam. Evaluasi performa ANN dilakukan berdasarkan tiga metrik: akurasi, skor F1, dan AUC. Hasil menunjukkan bahwa teknik resampling berhasil menyesuaikan skor akurasi yang terlalu yang diakibatkan ketidakseimbangan data. Pembobotan kelas tanpa resampling juga memberikan hasil yang cukup setara dengan hasil resampling dari beberapa teknik resampling. Studi perbandingan teknik resampling pada kasus data BLR yang digunakan juga memperlihatkan bahwa teknik SMOTEEN memberikan performa model yang terbaik. Akan tetapi, ketika teknik dikombinasikan dengan pembobotan kelas, teknik SMOTE memperlihatkan kualitas prediksi yang lebih baik. Implikasi dari hasil ini dapat digunakan sebagai acuan dalam pengembangan sistem prediktif BLR di layanan kesehatan primer.