Claim Missing Document
Check
Articles

Found 2 Documents
Search

Inovasi Metode Pembelajaran Teams Games Tournament Berbasis Kartu Braille dan Digital di Kelas Inklusi Dwi Amalia Putri; Alifia Kania Ramadhani
Polynom: Journal in Mathematics Education Vol. 4 No. 2 (2024): Juli 2024
Publisher : Pusat Studi Pengembangan Pembelajaran Matematika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/polynom.2024.42.61-68

Abstract

Penelitian ini bertujuan untuk merancang konsep mengenai model pembelajaran yang dapat memberikan inspirasi para pendidik, dengan menggunakan media kartu berbasis braille dan media digital sebagai salah satu inovasi pembelajaran matematika di kelas inklusi, terutama untuk difabel netra. Jenis penelitian ini adalah penelitian kualitatif dengan kajian kepustakaan (library research) dengan teknik analisis deskriptif yang berupaya yang menggambarkan inovasi metode pembelajaran yang inovatif untuk kelas inklusi dan mendukung kesetaraan. Sumber data yang digunakan dalam penelitian ini yaitu jurnal, artikel, dan karya ilmiah yang relevan dengan objek kajian pada penelitian. Hasil penelitian ini adalah konsep teoritis Inovasi metode pembelajaran Teams Games Tournament berbasis kartu braille berupa pertanyaan dan digital berupa Microsoft Powerpoint dan Quizizz yang mampu melibatkan semua siswa di kelas inklusi. Dengan demikian, inovasi ini diharapkan memberikan dampak positif terhadap kualitas pembelajaran matematika di kelas inklusi, terutama untuk difabel netra. Kata Kunci: Braille , digital, inovasi, metode pembelajaran Teams Games Tournament
PREDIKSI HARGA PENUTUPAN SAHAM BBRI DENGAN MODEL HYBRID LSTM-XGBOOST Nabilah Selayanti; Dwi Amalia Putri; Trimono Trimono; Mohammad Idhom
Informatika: Jurnal Teknik Informatika dan Multimedia Vol. 5 No. 1 (2025): MEI : JURNAL INFORMATIKA DAN MULTIMEDIA
Publisher : LPPM Politeknik Pratama Kendal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/informatika.v5i1.1011

Abstract

The ease of investing in the digital era has driven Generation Z to dominate stock market participation, particularly in blue-chip stocks such as PT Bank Rakyat Indonesia Tbk (BBRI). However, stock price fluctuations influenced by macroeconomic factors, regulations, and global market sentiment make it difficult for investors to make accurate decisions. Decisions based on insufficient information pose a significant risk of loss, especially for novice investors. This study proposes a hybrid LSTM-XGBoost approach for predicting BBRI stock prices, combining the strengths of LSTM in capturing nonlinear time series patterns and XGBoost's effectiveness in reducing prediction errors. The model leverages both historical data and feature extraction outputs from the LSTM model. Future stock price values are then predicted by XGBoost using this combined dataset. The Hybrid LSTM XGBoost model outperforms the individual base models in terms of prediction accuracy, achieving an RMSE of 117.89, MAE of 92.45, and MAPE of 2.21%.