Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Pengabdian Kolaborasi dan Inovasi IPTEKS
Saeful Amri
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Automotive Engineering Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Environmental Science Social Sciences

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

Found 2 Documents
Search

 1 
IMPLEMENTASI KURIKULUM MERDEKA UNTUK MENINGKATKAN KOMPETENSI LITERASI DIGITAL GURU SMP DI KABUPATEN TANGERANG BANTEN Fitriani, Dini; Selnistia Hidayani; Purnama Rika Perdana; Saeful Amri
Jurnal Pengabdian Kolaborasi dan Inovasi IPTEKS Vol. 2 No. 6 (2024): Desember
Publisher : CV. Alina

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59407/jpki2.v2i6.1503

Abstract

Guru berkedudukan sebagai pelaksana teknis fungsional di bidang pembelajaran atau bimbingan dan juga tugas tertentu. Jabatan fungsional guru adalah jabatan tingkat keahlian termasuk dalam semua rumpun pendidikan. dengan hal tersebut literasi digital sangatlah penting untuk dikuasai semua guru. dalam implementasi kurikulum merdeka di sekolah. Literasi digital menghadapi berbagai tantangan, termasuk keterbatasan akses, keterampilan, dan pemahaman akan pentingnya literasi digital. Oleh karena itu, diperlukan langkah-langkah untuk memperkuat literasi digital guru dalam implementasi kurikulum merdeka. Artikel ini bertujuan untuk melihat urgensi dan meningkatkan kompetensi guru dalam literasi digital melalui implementasi kurikulum merdeka, serta memberikan rekomendasi konstruktif untuk mengembangkan literasi digital guru. Beberapa peluang dalam penguatan literasi digital meliputi mempermudah akses informasi, meningkatkan kualitas pembelajaran dengan metode yang bervariasi dan menarik, serta mengembangkan keterampilan kritis seperti berpikir, berkolaborasi, berkomunikasi, dan berkreasi. Disisi lain, beberapa tantangan dalam penguatan literasi digital melalui yaitu keterbatasan akses, kurangnya keterampilan dasar dalam mengoperasikan perangkat digital, dan ketidakpahaman tentang manfaat serta dampak penggunaan platform digital dalam proses pembelajaran. Beberapa masih menganggap platform digital hanya sebagai alat hiburan atau sarana komunikasi, bukan sebagai alat pembelajaran yang serius. Upaya meningkatkan literasi digital diharapkan dapat membantu guru mencapai profesionalisme yang lebih tinggi dengan pemahaman yang mendalam mengenai esensi kurikulum merdeka, kompetensi yang diperlukan oleh pendidik, dan pentingnya literasi digital. Dengan demikian, guru dapat menguasai literasi digital dengan baik, menjalankan tugas mereka secara optimal dan profesional, dan siap menghadapi tantangan pendidikan sesuai dengan kurikulum merdeka.
Optimizing the Classification Model for Plant Medicine Supplies Using the Decision Tree Algorithm at the Anugrah Tani Shop, Brebes Regency: Inggris Saeful Amri; Rudi Kurniawan; Saeful Anwar
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.825

Abstract

Retail businesses in the agricultural industry often face difficulties in estimating inventory needs, especially plant medicines which are important for protecting plants from pests and diseases. The lack of an accurate inventory prediction system can cause stock discrepancies, as happened at the Anugrah Tani Store, Brebes Regency, thereby disrupting operations and customer satisfaction. This research uses the Decision Tree classification technique to increase the accuracy of predicting the need for plant medicine supplies, with a clustering approach using the K-Means algorithm to determine the optimal K value through the Davies-Bouldin Index (DBI) calculation. A DBI value of -0.065 indicates good cluster quality with an optimal K of 2, where Cluster 0 has high inventory needs (1138 data) and Cluster 1 has low needs (4 data). The analysis results show that the accuracy level of the Decision Tree model is 98.25%, which is quite high. This model is not only able to predict inventory patterns accurately but also provides in-depth insights to support stock decision making. This research proves that the Decision Tree algorithm can help inventory management with a faster response to customer needs, while contributing to the development of machine learning-based classification models for the agricultural and retail sectors.
Co-Authors Dini Fitriani Purnama Rika Perdana Rudi Kurniawan Saeful Anwar Selnistia Hidayani