Fajeri Arkiang
Institut Elkatarie

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

Found 2 Documents
Search

PEMBELAJARAN BAHASA INDONESIA DENGAN METODE DEMONSTRASI UNTUK MENINGKATKAN MINAT BACA SISWA KELAS DUA SEKOLAH DASAR NEGERI Nurhalisa Nurhalisa; Fajeri Arkiang
Pragmatik: Jurnal Ilmiah Ilmu Pendidikan Vol. 1 No. 1 (2024): Pragmatik: Jurnal Ilmiah Ilmu Pendidikan
Publisher : CV. Anugerah Duta Perdana

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tujuan penelitian ini yaitu Upaya peningkatan minat baca siswa dalam pembelajaran bahasa Indonesia dengan menggunakan metode demonstrasi pada kelas II di SD Negeri 48 Bone-Bone. Sesuai dengan permasalahan tersebut peneliti melakukan PTK. Rancangan penelitian yang digunakan yaitu model dua Siklus sesuai dengan PTK. Data yang dihasilkan melalui Kegiatan observasi dan tes setiap akhir Siklus. Peneliti menggunakan metode penelitian kualitatif dan metode demonstrasi. Subjeknya yaitu siswa /siswi di kelas II SD yang berjumlah 24 orang, terdapat 17 siswa laki-laki serta 7 siswi perempuan. Dari analisis dan rumusan masalah diatas menunjukkan bahwa menggunaan alat peraga berupa gambar serta kartu huruf dengan metode demonstrasi dapat meningkatkan minat baca dan kelancaran membaca siswa dan siswi kelas II di SD negeri 48 Bone-Bone. Dilihat dari Siklus I dimana dari jumlah siswa 24 orang, hanya ada 16 siswa mencapai ketuntasan individu dan ketuntasan klasikal 65% , siswa yang tidak tuntas secara klasikal yaitu 8 orang atau 35%. Rata-rata nilai yang diperoleh adalah 68,12 , Siklus I ini belum mencapai ketuntasan yang dijadikan acuan dalam penelitian sehingga perlu dilanjutkan pada Siklus II. Setelah melakukan Siklus II dapat diketahui dari jumlah siswa 24 orang, ada 21 siswa mencapai ketuntasan individu dan ketuntasan klasikal yaitu 84%, tidak tuntas secara klasikal ada 3 orang atau 16%. Jadi rata-rata nilai yang diperoleh yaitu 80,00. Sehingga peneliti menyimpulkan bahwa minat baca siswa pada kelas II di SDN 48 bone-bone dapat dinyatakan meningkat dan tuntas.
Deep Learning for Personalized and Interactive Learning in the Digital Era: A Systematic Review of Concepts, Applications, and Implementation Challenges Fajeri Arkiang; Halimatussakdiah Halimatussakdiah
International Journal of Educational Qualitative Quantitative Research Vol. 5 No. 1 (2026)
Publisher : Qualitative and Quantitative Research Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58418/ijeqqr.v5i1.199

Abstract

As artificial intelligence (AI) increasingly reshapes digital education, Deep Learning (DL) has emerged as a pivotal technological paradigm to drive adaptive learning environments; however, a comprehensive synthesis tracing the algorithmic architectures that successfully foster these personalized systems remains sparse. This study aims to systematically investigate the foundational concepts, computational applications, and implementation challenges of DL models within modern educational frameworks. Adhering to the PRISMA protocol, a rigorous systematic literature review was conducted by screening prominent electronic databases, analyzing 127 peer-reviewed publications spanning from 2015 to 2024. The synthesis reveals that personalized learning constitutes the primary application focus of educational DL, accounting for 29.1% of the total literature. Computationally, advanced architectures such as Transformers and BERT demonstrate the highest operational success rate (91.4%) in facilitating context-aware intelligent tutoring and automated assessments. Conversely, the deployment of these technologies is significantly hindered by socio-technical constraints, notably technological infrastructure deficits (68.5%) and substantial gaps in educators' digital literacy (62.2%). Beyond mapping the current state-of-the-art, this research contributes an integrated socio-technical framework that bridges computational capability with pedagogical design, offering actionable, evidence-based guidelines tailored for educational stakeholders to systematically navigate infrastructure limitations and optimize AI-driven personalization.