Claim Missing Document
Check
Articles

Found 4 Documents
Search

PENGEMBANGAN MEDIA PEMBELAJARAN VIRTUAL BERBASIS ALGODOO MATERI MOMENTUM DAN IMPULS Siregar, Evitamala; Siregar, Sri Utami Kholila Mora
Eksakta : Jurnal Penelitian dan Pembelajaran MIPA Vol 8, No 2 (2023): Eksakta : Jurnal Penelitian dan Pembelajaran MIPA
Publisher : Fakultas Keguruan Dan Ilmu Pendidikan, UM-Tapsel

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31604/eksakta.v8i2.241–249

Abstract

Penelitian ini dilatar belakangi oleh kurangnya ketersediaan media pembelajaran fisika yang menarik minat siswa dalam proses belajar fisika. Tujuan dari penelitian ini adalah untuk mengembangkan media pembelajaran virtual berbasis Algodoo pada materi momentum dan impuls. Jenis penelitian yang digunakan adalah penelitian dan pengembangan (Research dan Development) dengan mengadopsi model ADDIE, yang terdiri dari tahap analisis (analysis), perancangan (design), pengembangan (development), implementasi (implementation), dan evaluasi (evaluation). Namun, dalam penelitian ini, fokus hanya diberikan pada tahap pengembangan (development) karena adanya keterbatasan waktu untuk melakukan penelitian secara menyeluruh. Instrumen yang digunakan dalam penelitian ini berupa lembar validasi yang terdiri dari 20 pernyataan yang menilai empat aspek, yaitu penyajian, isi materi, desain media, dan bahasa..Hasil penelitian ini diperoleh nilai validitas menggunkan skala Likert 1 sampai 4 menunjukkan rata-rata nilai pada aspek penyajian dan aspek desain media 92,5% dan uji reliabilitas 97,29%. Pada aspek isi materi uji validitas 82,5% dan uji reliabilitas 96,97%, dan yang terakhir pada aspek bahasa rata-rata uji validitas 92,5 % dan uji reliabilitas 94,74%.
Pemanfaatan Aplikasi Augmented Reality Untuk Meningkatkan Literasi Sains Siswa SD Negeri 200405 Padangsidimpuan di Era Digital Siregar, Sri Utami Kholila Mora; Sibuea, Erni Rawati; Lubis, Susi Sulastri; Hasibuan, Ferawati Artauli; Harahap, Rosina
JGEN : Jurnal Pengabdian Kepada Masyarakat Vol. 3 No. 4 (2025): JGEN : Jurnal Pengabdian Kepada Masyarakat, Agustus 2025
Publisher : Lumbung Pare Cendekia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60126/jgen.v3i4.1158

Abstract

Kegiatan pengabdian kepada masyarakat ini dilatarbelakangi oleh rendahnya literasi sains di kalangan siswa sekolah dasar, khususnya di SD Negeri 200405 Padangsidimpuan. Di tengah pesatnya perkembangan teknologi digital, pendekatan pembelajaran yang inovatif sangat dibutuhkan untuk meningkatkan minat dan pemahaman siswa terhadap konsep-konsep sains. Kegiatan ini bertujuan untuk memanfaatkan aplikasi Augmented Reality (AR) sebagai media pembelajaran interaktif guna meningkatkan literasi sains siswa. Metode pelaksanaan meliputi sosialisasi dan pelatihan penggunaan aplikasi AR kepada guru dan siswa, pendampingan dalam proses belajar berbasis AR, serta evaluasi ketercapaian pemahaman siswa terhadap materi sains. Hasil kegiatan menunjukkan bahwa pemanfaatan AR tidak hanya meningkatkan daya tarik pembelajaran, tetapi juga membantu siswa memahami materi yang sebelumnya sulit dipahami secara konvensional. Selain itu, guru memperoleh pengetahuan baru dalam memanfaatkan teknologi sebagai alat bantu pembelajaran. Kegiatan ini memberikan dampak positif terhadap proses belajar-mengajar dan diharapkan dapat menjadi model inovatif dalam pembelajaran sains di tingkat sekolah dasar.
SINTESIS NANOPARTIKEL ZnO DIDOPING Sn DENGAN METODE KOPRESIPITASI Pakpahan, Rini Anggraini; Siregar, Sri Utami Kholila Mora; Abidin, Jainal; Lubis, Julianto
Eksakta : Jurnal Penelitian dan Pembelajaran MIPA Vol 9, No 1 (2024): Eksakta : Jurnal Penelitian dan Pembelajaran MIPA
Publisher : Fakultas Keguruan Dan Ilmu Pendidikan, UM-Tapsel

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31604/eksakta.v9i1.121–125

Abstract

In this research, synthesize of ZnO doped Sn nanoparticles was done by coprecipitation method. The raw material are the powder of zinc acetate dihydrate, the powder of tin (II) chloride dihydrate, HCl solution, and ammonium chloride solution. The doping of Sn powder used in concentration 0 %wt, 1 %wt, 2 %wt, 3 %wt, 4 %wt, and 5%wt. This research was done to know the effect of doping Sn toward ZnO nanoparticles structure. Structure and phase composition of ZnO doped Sn was known by XRD characterization, then Scanning Electron Microscopy (SEM) to know the morphology of ZnO nanoparticles doped Sn. The XRD patterns indicated that ZnO doped Sn nanoparticles crystallize in hexagonal Zincite structure. The crystallite size was analyzed by using Material Analysis Using Diffraction (MAUD) software and found to be in the range of 22-97 nm. The result of SEM test showed that the morphological surface of the nanoparticles was affected by Sn doping.
PREDIKSI KUAT TEKAN BATU BATA MENGGUNAKAN ALGORITMA MACHINE LEARNING BERBASIS DATA PRODUKSI Pakpahan, Rini Anggraini; Siregar, Sri Utami Kholila Mora; Pulungan, Suryanti Suraja
Eksakta : Jurnal Penelitian dan Pembelajaran MIPA Vol 11, No 1 (2026): Eksakta : Jurnal Penelitian dan Pembelajaran MIPA
Publisher : Fakultas Keguruan Dan Ilmu Pendidikan, UM-Tapsel

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31604/eksakta.v11i1.%p

Abstract

Clay bricks are a very popular building material used in projects in Indonesia, with compressive strength as a key quality indicator. Laboratory compressive strength testing is destructive, time-consuming, and less practical for small and medium-scale industries. The study seeks to create a compressive strength predictive model utilizing production statistics and advanced machine learning algorithms and to compare manually molded and pressed bricks. The dataset consists of secondary production data, including clay composition, moisture content, molding pressure, firing temperature, and firing time, with compressive strength as the output variable. Three algorithms were applied: Linear Regression, Support Vector Regression, and Random Forest Regression. To assess model performance, utilized the coefficient of determination (R²), Mean Absolute Error (MAE), and Root Mean Square Error (RMSE). Study outcomes reveal that Random Forest Regression achieves the best performance, with an R² value of 0.89 and the lowest prediction errors. Results from the feature importance analysis demonstrate that molding pressure and firing time are the most influential factors affecting compressive strength. The predicted results are consistent with previous experimental studies reporting higher and more stable compressive strength in pressed bricks compared to manually molded bricks. This approach demonstrates strong potential as a data-driven decision-support tool for brick quality control.