Claim Missing Document
Check
Articles

Found 2 Documents
Search

PKM Workshop Pemanfaatan Geometri Academy: Platform Pembelajaran Interaktif di Jurusan Pendidikan Teknik Elektro Universitas Negeri Makassar Nur Faisal, Andi; Dewi Triantini; Rahmah, Aulia
Jurnal Pengabdian Masyarakat Vol. 2 No. 2 (2024): Jurnal Pengabdian Masyarakat (AbdiMas)
Publisher : Jurusan Pendidikan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/abdimas.v2i2.5849

Abstract

Kemajuan teknologi informasi dan komunikasi menghadirkan tantangan sekaligus peluang bagi dunia pendidikan untuk meningkatkan kualitas pembelajaran. Salah satu solusi inovatif yang dapat diadopsi adalah penggunaan platform pembelajaran interaktif, seperti Geometri Academy. Artikel ini membahas hasil kegiatan workshop pemanfaatan Geometri Academy yang diselenggarakan di Jurusan Pendidikan Teknik Elektro Universitas Negeri Makassar. Workshop ini bertujuan untuk meningkatkan keterampilan dosen dalam menggunakan platform pembelajaran interaktif guna menciptakan pengalaman belajar yang lebih efektif dan menyenangkan. Kegiatan workshop melibatkan 31 dosen dan dilaksanakan melalui tiga tahapan: persiapan, pelaksanaan, dan evaluasi. Hasil survei menunjukkan peningkatan signifikan pada pemahaman dan minat dosen dalam memanfaatkan teknologi pembelajaran. Sebelum workshop, hanya 40% dosen yang menggunakan teknologi secara rutin, sementara pasca-workshop, 70% peserta menyatakan komitmen untuk menerapkan Geometri Academy dalam pembelajaran. Evaluasi juga menunjukkan tingkat kepuasan peserta dengan persentase sangat puas sebesar 25.8%, puas 54.8% dan cukup puas 16.1% terhadap penggunaan aplikasi dan 85% terhadap materi yang disampaikan. Temuan ini menegaskan bahwa Geometri Academy berpotensi meningkatkan partisipasi dan motivasi mahasiswa melalui fitur-fitur interaktifnya. Namun, terdapat tantangan infrastruktur yang perlu diatasi untuk memastikan adopsi yang optimal. Artikel ini merekomendasikan pengembangan pelatihan serupa di masa mendatang untuk memperluas manfaat transformasi digital dalam pendidikan.
REAL-TIME SOLAR PANEL FAULT DETECTION USING YOLOv8-BASED DEEP LEARNING APPROACH Nur Faisal, Andi; Isra, Ali
Jurnal Media Elektrik Vol. 22 No. 3 (2025): MEDIA ELEKTRIK
Publisher : Jurusan Pendidikan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/metrik.v22i3.9182

Abstract

This study presents the implementation of the YOLOv8s-cls model for automatic classification of solar panel surface conditions into six categories: Clean, Dusty, Bird-drop, Snow-Covered, Electrical-Damage, and Physical-Damage. A dataset comprising 619 images was used to train the modified YOLOv8s-cls architecture, spanning 50 epochs with a batch size of 16, input dimensions set to 128×128, and the AdamW optimizer applied throughout. The training was conducted on a CPU-only system, yet the inference benchmark was performed in a separate testing phase, yielding an average inference time of 0.032 seconds per image, indicating strong feasibility for real-time deployment. The achieved accuracies were 85.88% for Top-1 and 99.44% for Top-5 predictions, demonstrating robust performance in multi-class classification tasks. Nonetheless, some visual ambiguities remained between similar classes such as Dusty vs. Snow-Covered and Electrical-Damage vs. Physical-Damage. These results affirm the effectiveness of YOLOv8s-cls as a lightweight and adaptable deep learning solution for solar panel condition monitoring. Future enhancements are proposed, including targeted data augmentation, texture-based preprocessing, and deployment on GPU-accelerated or edge-optimized platforms to improve generalization and deployment flexibility in real-world settings.