Claim Missing Document
Check
Articles

Found 15 Documents
Search

Penerapan Model Pembelajaran Creative Problem Solving untuk Meningkatkan Kemampuan Menyelesaikan Soal Cerita Matematika di Sekolah Dasar Saputra, Riyan; Nurhaswinda, Nurhaswinda; Surya, Yenni Fitra; Fadhilaturrahmi, Fadhilaturrahmi; Rizal, M. Syahrul
Jurnal Ilmiah Profesi Pendidikan Vol. 10 No. 4 (2025): November
Publisher : Fakultas Keguruan dan Ilmu Pendidikan, Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jipp.v10i4.3955

Abstract

Kemampuan siswa kelas 5 dalam menyelesaikan soal cerita matematika masih rendah. Oleh karena itu, diperlukan penerapan model pembelajaran yang efektif, salah satunya Creative Problem Solving (CPS). Penelitian ini bertujuan untuk meningkatkan kemampuan siswa kelas 5 SDN 010 Teratak dalam menyelesaikan soal cerita matematika. Penelitian ini menggunakan metode Penelitian Tindakan Kelas (PTK) yang dilaksanakan dalam dua siklus, masing-masing terdiri dari dua pertemuan. Subjek penelitian adalah seluruh siswa kelas 5 yang berjumlah 11 peserta didik. Teknik pengumpulan data meliputi wawancara, observasi, dokumentasi, dan tes, sedangkan analisis data menggunakan gabungan metode kualitatif dan kuantitatif. Hasil penelitian menunjukkan peningkatan kemampuan siswa. Pada siklus I, pertemuan pertama terdapat 6 siswa tuntas (55%) dengan rata-rata 70, dan pertemuan kedua meningkat menjadi 7 siswa tuntas (64%) dengan rata-rata 74. Pada siklus II, pertemuan pertama terdapat 8 siswa tuntas (73%) dengan rata-rata 78, dan pertemuan kedua meningkat menjadi 9 siswa tuntas (82%) dengan rata-rata 91. Kesimpulannya, penerapan model pembelajaran Creative Problem Solving (CPS) efektif dalam meningkatkan kemampuan siswa kelas 5 SDN 010 Teratak dalam menyelesaikan soal cerita matematika.
Peran Wawasan Pendidikan Karakter Guru PAI dalam Pembentukan Akhlak Mulia Siswa Mutia Nur Putri, Riska; Nulhakim, Akbar; Junaidi Nasution, Herman; Saputra, Riyan; Husna, Difa Ul
JUPE : Jurnal Pendidikan Mandala Vol 8, No 2 (2023): JUPE : Jurnal Pendidikan Mandala (Juni)
Publisher : Lembaga Penelitian dan Pendidikan Mandala

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58258/jupe.v8i2.5549

Abstract

Peran wawasan pendidikan karakter guru PAI sangat penting dalam membentuk akhlak mulia siswa melalui pengajaran nilai-nilai Islami, teladan yang baik, pembinaan kesadaran moral, dan mendorong siswa untuk menginternalisasi dan mengaplikasikan nilai-nilai akhlak mulia dalam kehidupan sehari-hari. Dengan memiliki pemahaman yang mendalam tentang pendidikan karakter, guru PAI dapat memberikan pengaruh positif, membimbing siswa untuk menjadi pribadi yang memiliki integritas, empati, tanggung jawab, keadilan, dan kejujuran, serta membantu siswa membangun hubungan yang baik dengan Allah SWT dan sesama manusia. Metode yang digunakan adalah metode kualitatif deskriptif dengan teknik pengumpulan data melalui studi pustaka. Hasil dari analisis ini adalah peran wawasan pendidikan karakter guru Pendidikan Agama Islam (PAI) sangat penting dalam membentuk akhlak mulia siswa. Wawasan pendidikan karakter memungkinkan guru PAI untuk memiliki pemahaman yang mendalam tentang nilai-nilai moral dan prinsip-prinsip agama dalam Islam yang diperlukan untuk membentuk akhlak mulia. Saran yang dapat diberikan adalah guru PAI perlu terus mengembangkan wawasan dan pemahaman tentang nilai-nilai karakter dalam Islam serta prinsip-prinsip moral yang relevan. Mereka dapat melakukan penelitian, membaca buku, mengikuti pelatihan, dan bergabung dalam komunitas pendidikan karakter untuk memperdalam pemahaman mereka. Semakin baik wawasan dan pemahaman guru PAI, semakin efektif mereka dalam membentuk akhlak mulia siswa. 
Klasifikasi Timun Segar dan Busuk menggunakan K-Means Clustering Saputra, Riyan; Dila, Rahmah; Ramadhanu, Agung
Journal of Education Research Vol. 5 No. 4 (2024)
Publisher : Perkumpulan Pengelola Jurnal PAUD Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37985/jer.v5i4.1715

Abstract

Timun merupakan salah satu komoditas pertanian yang rentan terhadap penurunan kualitas akibat proses pembusukan. Klasifikasi timun segar dan busuk secara manual dapat memakan waktu dan tidak konsisten, sehingga diperlukan metode otomatis yang lebih efisien. Tujuan utama dari penelitian ini adalah untuk mengimplementasi sistem klasifikasi otomatis berbasis pengolahan citra dalam mengklasifikasikan timun segar dan timun busuk berdasarkan fitur visual seperti warna, tekstur, dan bentuk, guna meningkatkan efisiensi dan konsistensi dalam proses seleksi kualitas timun. Metode yang diterapkan meliputi pengolahan citra dengan konversi dari ruang warna RGB ke LAB untuk memisahkan kecerahan dan warna. Algoritma K-Means Clustering berfungsi untuk mengelompokkan citra ke dalam dua cluster, yaitu timun segar dan timun busuk. Data yang digunakan mencakup 50 citra untuk pengujian, yang terdiri dari 25 timun segar dan 25 timun busuk. Hasil penelitian ini menunjukkan bahwa metode ini berhasil mengklasifikasikan timun masak dan timun busuk dengan tingkat akurasi 97% di mana 49 dari 50 citra teridentifikasi dengan benar. Metode K-Means Clustering terbukti efektif dan akurat dalam menentukan jenis timun masak dan timun busuk.
Segmentasi Pelanggan Toko Hanifah Berdasarkan Analisis RFM dengan Metode K-Means Clustering Febrina, Yerri Kurnia; Saputra, Riyan; G, Katrina Flomina
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v5i2.1084

Abstract

Penjualan merupakan aspek krusial dalam bisnis karena secara langsung mempengaruhi pendapatan dan daya saing di pasar. Dalam konteks ritel, pendekatan penjualan yang seragam sering kali kurang efektif mengingat keragaman karakteristik dan perilaku belanja pelanggan. Penelitian ini dilakukan di Toko Hanifah, sebuah toko kebutuhan harian, dengan tujuan mengelompokkan pelanggan berdasarkan perilaku belanja mereka menggunakan analisis RFM (Recency, Frequency, Monetary) yang kemudian diklasifikasikan lebih lanjut menggunakan algoritma K-Means Clustering. Melalui pendekatan ini, pelanggan berhasil dikelompokkan ke dalam empat klaster, yaitu pelanggan reguler, pasif, loyal, dan pelanggan potensial. Klasterisasi ini didukung oleh analisis Principal Component Analysis (PCA) yang menunjukkan sebaran klaster yang jelas. Hasil penelitian ini memberikan kontribusi praktis dalam merumuskan strategi penjualan yang lebih efisien dan terarah, serta meningkatkan efektivitas pemasaran berdasarkan karakteristik masing-masing kelompok pelanggan. Pendekatan ini juga membuktikan potensi pemanfaatan data transaksi dalam mendukung pengambilan keputusan bisnis di sektor ritel.
Sistem Identifikasi Citra Huruf Aksara Minangkabau Berbasis Convolutional Neural Network Saputra, Riyan; Ramadhanu, Agung; Sovia, Rini
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 5 No 2 (2025): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v5i2.1214

Abstract

Pelestarian aksara daerah penting untuk menjaga warisan budaya bangsa. Aksara Minangkabau, sebagai salah satu kekayaan budaya Indonesia, masih minim penelitian dan belum memiliki sistem digitalisasi memadai. Penelitian ini merupakan tahap awal eksplorasi pengenalan aksara Minangkabau menggunakan pendekatan Convolutional Neural Network (CNN) sebagai upaya mendokumentasikan dan menguji potensi digitalisasi aksara tersebut. CNN merupakan salah satu model deep learning yang dirancang untuk memproses data grid terstruktur seperti citra. Penelitian sebelumnya menunjukan kinerja CNN sangat baik dalam pengenalan tulisan tangan. Citra aksara yang digunakan dalam penelitian ini diperoleh dari sumber museum dan tulisan tangan dari 31 sukarelawan. Dataset terdiri dari 4.650 citra karakter dari 75 kelas dengan berbagai kombinasi tanda baca pada lima huruf vokal, yang kemudian diproses melalui konversi grayscale, peningkatan kontras, segmentasi, dan augmentasi hingga menghasilkan total 8.537 citra. Model CNN yang dirancang mengklasifikasikan karakter ke dalam 75 kelas. Hasil pengujian mengindikasikan bahwa model dapat mengenali karakter dengan sangat baik. Pengujian menunjukkan akurasi 99% dalam skenario pengujian terbatas pada 500 data uji. Temuan ini memberikan landasan awal untuk digunakan dalam kajian akademis lanjutan maupun diskusi kultural yang lebih luas terkait keberadaan aksara Minangkabau.