Jurnal Pendidikan dan Teknologi Indonesia

Penerapan Model Pembelajaran Role Play untuk Mengatasi Rendahnya Keterlibatan Siswa pada Materi Nilai-Nilai Pancasila di SMPN 226 Jakarta

2025-05-28T16:59:39+07:00

Rendahnya keterlibatan siswa dalam pembelajaran nilai-nilai Pancasila merupakan permasalahan yang masih sering dijumpai di lingkungan pendidikan, termasuk di SMP Negeri 226 Jakarta. Fenomena ini ditandai oleh sikap pasif siswa, kurangnya antusiasme, serta minimnya partisipasi aktif dalam proses pembelajaran. Berdasarkan permasalahan tersebut, penelitian ini bertujuan untuk meningkatkan keterlibatan siswa melalui penerapan model pembelajaran role play sebagai strategi inovatif dalam pembelajaran Pendidikan Pancasila. Penelitian ini menggunakan metode Penelitian Tindakan Kelas (PTK) yang dilaksanakan dalam tiga siklus, yaitu pra-siklus, siklus, dan pasca siklus, dengan subjek penelitian siswa kelas VIII-7. Teknik pengumpulan data dilakukan melalui observasi dan dokumentasi, kemudian dianalisis dengan pendekatan campuran (mix method). Hasil penelitian menunjukkan adanya peningkatan signifikan terhadap keterlibatan siswa, yakni sebesar 53,61% pada tahap pra-siklus, meningkat menjadi 66,14% pada siklus, dan mencapai 80,47% pada siklus II. Berdasarkan hasil penelitian ini bahwa model pembelajaran role play mampu menciptakan suasana belajar yang kontekstual, menyenangkan, dan komunikatif, sehingga efektif dalam mendorong partisipasi aktif siswa. Dengan demikian, penelitian ini memberikan kontribusi terhadap pengembangan model pembelajaran partisipatif dalam Pendidikan Pancasila, serta merekomendasikan penggunaan role play sebagai alternatif strategi pembelajaran untuk meningkatkan keterlibatan siswa secara aktif dan bermakna.

Desain Pengamanan Jaringan Nirkabel Menggunakan Radius Server di Fakultas Teknologi Industri dan Informatika Uhamka

2025-07-07T06:25:07+07:00

Keamanan jaringan nirkabel menjadi isu strategis di lingkungan akademik, khususnya saat sistem autentikasi belum diterapkan secara terpusat. Penelitian ini mengambil lokasi di laboratorium teknologi informasi UHAMKA, yang sebelumnya tidak memiliki mekanisme autentikasi pengguna yang ketat, sehingga membuka potensi akses ilegal terhadap jaringan. Tujuan dari penelitian ini adalah merancang sistem keamanan jaringan nirkabel dengan menerapkan server radius sebagai pusat autentikasi, otorisasi, dan pemantauan akses pengguna. Penelitian menggunakan pendekatan network development life cycle (NDLC) yang terdiri dari lima tahap: analisis, desain, simulasi, implementasi, dan monitoring. Perancangan dilakukan dengan simulasi menggunakan cisco packet tracer untuk mengevaluasi struktur jaringan sebelum diterapkan secara nyata. Sistem diuji melalui metode black box guna menilai respon autentikasi terhadap berbagai jenis percobaan akses. Hasil menunjukkan bahwa sistem mampu membatasi akses hanya pada pengguna terdaftar, meningkatkan pengawasan lalu lintas jaringan, dan memperkuat proteksi terhadap ancaman dari luar. Penerapan sistem juga memberikan efisiensi dalam pengelolaam perangkat dan pengguna melalui pencatatan aktivitas yang sistematis. Penelitian ini menegaskan pentingnya autentikasi terpusat dalam mendukung keamanan jaringan dan kelancaran operasionnal digital di institusi Pendidikan yang memiliki aktivitas pengguna dalam jumlah besar.

Analisis Sentimen E-Commerce dengan Optimasi IndoBERT Menggunakan Bayesian Optuna

2025-07-15T09:15:52+07:00

Pertumbuhan e-commerce di Indonesia memicu peningkatan signifikan jumlah ulasan pengguna terhadap aplikasi Shopee di Google Play, sehingga analisis manual menjadi tidak lagi efisien. Penelitian ini bertujuan untuk meningkatkan performa analisis sentimen pada ulasan pengguna e-commerce berbahasa Indonesia dengan mengoptimalkan model IndoBERT menggunakan teknik Bayesian Optimization melalui framework Optuna. Latar belakang penelitian ini berfokus pada pentingnya pengolahan opini konsumen di platform Shopee, yang semakin tidak dapat ditangani secara manual karena volume data yang besar dan keberagaman gaya bahasa. Metode yang digunakan meliputi pengumpulan data melalui web scraping, praproses teks, pembagian data, pemodelan dengan IndoBERT, serta penalaan hiperparameter menggunakan Optuna. Hasil eksperimen menunjukkan bahwa optimasi Bayesian mampu meningkatkan akurasi klasifikasi dari 89,30% menjadi 96,10% dan macro-F1 dari 85,83% menjadi 94,82%. Selain itu, false-positive dan false-negative masing-masing turun sebesar 60% dan 67%, serta nilai ROC-AUC meningkat signifikan dari 0,9028 menjadi 0,9903. Temuan ini menegaskan efektivitas Optuna dalam meningkatkan performa dan efisiensi sistem klasifikasi sentimen berbasis IndoBERT, yang dapat diintegrasikan dalam pemantauan opini secara real-time di ranah e-commerce.

Penerapan HAIS-Q dalam Pengukuran Tingkat Kesadaran Keamanan Informasi Pegawai Disdukcapil Kota Malang

2025-07-02T13:35:41+07:00

Keamanan informasi merupakan aspek krusial dalam transformasi digital pelayanan publik, terutama bagi instansi pemerintah seperti Dinas Kependudukan dan Pencatatan Sipil (Disdukcapil) Kota Malang yang mengelola data pribadi masyarakat secara masif. Meskipun sistem informasi telah digunakan secara luas, hingga saat ini Disdukcapil belum pernah melakukan pengukuran formal terhadap tingkat kesadaran keamanan informasi pegawainya. Kondisi ini menjadi tantangan dalam merumuskan strategi mitigasi risiko berbasis data (URGENSI). Penelitian ini mengukur tingkat kesadaran keamanan informasi pegawai Disdukcapil pada tiga peran strategis, yaitu Administrator Basis Data, Layanan Pelanggan, dan Operator. Data dikumpulkan melalui metode survei menggunakan instrumen Human Aspects of Information Security Questionnaire (HAIS-Q) yang menilai dimensi pengetahuan, sikap, dan perilaku. Hasil penelitian menunjukkan adanya variasi tingkat kesadaran antar peran, dengan aspek manajemen kata sandi, penggunaan surat elektronik, dan perangkat seluler masih berada pada tingkat yang memerlukan peningkatan. Temuan ini dapat menjadi dasar penyusunan program pelatihan yang lebih terarah dan mendukung kebijakan penganggaran guna memperkuat perlindungan data kependudukan di lingkungan Disdukcapil Kota Malang. Penelitian ini juga berkontribusi dalam memperluas pemahaman akademik mengenai pengukuran kesadaran keamanan informasi di sektor layanan publik, yang selama ini masih relatif terbatas dalam literatur (Dampak penelitian pada ilmu pengetahuan).

Pengenalan Pola Huruf Hijaiyyah dengan Metode CNN untuk Bahasa Isyarat Arab

2025-09-22T20:51:31+07:00

Bahasa Isyarat Arab (Arabic Sign Language/ArSL) merupakan sarana komunikasi utama bagi penyandang tunarungu, termasuk dalam pembelajaran Al-Qur’an. Namun, keterbatasan teknologi dalam mengenali bahasa isyarat secara otomatis menjadi hambatan serius terhadap akses pendidikan agama yang inklusif. Penelitian ini bertujuan untuk mengenali pola huruf hijaiyyah dalam ArSL dengan memanfaatkan metode Convolutional Neural Network (CNN) melalui pendekatan transfer learning dan fine-tuning pada empat arsitektur pralatih, yaitu MobileNetV2, EfficientNetB0, VGG16, dan ResNet50. Dataset yang digunakan terdiri dari 7.856 citra RGB tangan yang mewakili 31 huruf hijaiyyah, yang dibagi menjadi data pelatihan, validasi, serta pengujian. Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, F1-score, serta efisiensi komputasi berdasarkan ukuran model dan waktu inferensi. Hasil penelitian memperlihatkan bahwa ResNet50 memperoleh akurasi tertinggi sebesar 98,35%, diikuti MobileNetV2 (97,84%), EfficientNetB0 (97,71%), dan VGG16 (97,07%). Meskipun demikian, MobileNetV2 memiliki ukuran model terkecil dan kecepatan inferensi tercepat, sehingga paling sesuai untuk implementasi pada perangkat dengan keterbatasan sumber daya. Analisis confusion matrix juga menunjukkan kesalahan klasifikasi terutama pada huruf yang memiliki kemiripan visual, seperti dal–dzal dan ta–tha. Penelitian ini menegaskan efektivitas CNN berbasis transfer learning dalam pengenalan huruf hijaiyyah bahasa isyarat Arab serta memberikan kontribusi nyata terhadap pengembangan sistem pembelajaran agama yang lebih inklusif bagi penyandang tunarungu.

Perbandingan Kinerja Algoritma Naïve Bayes, Decision Tree, dan Support Vector Machine dalam Deteksi Serangan Siber Berdasarkan Log Sistem di Universitas Muhammadiyah Purwokerto

2025-07-23T20:18:00+07:00

Keamanan sistem informasi merupakan aspek vital dalam era digital, terutama bagi institusi pendidikan yang sangat bergantung pada infrastruktur teknologi dan rentan terhadap serangan siber. Salah satu faktor penyebab lemahnya pertahanan siber adalah kurangnya pemanfaatan data log sistem sebagai alat deteksi dini terhadap potensi ancaman. Penelitian ini bertujuan untuk mengevaluasi efektivitas tiga algoritma klasifikasi machine learning—Naive Bayes, Decision Tree, dan Support Vector Machine—dalam mendeteksi serangan siber menggunakan data log sistem dari Biro Sistem Informasi Universitas Muhammadiyah Purwokerto. Metode penelitian meliputi preprocessing data, pemisahan data menjadi data latih dan uji, pelatihan model, serta evaluasi kinerja menggunakan metrik akurasi, precision, recall, dan f1-score. Hasil pengujian menunjukkan bahwa algoritma Decision Tree memberikan performa terbaik dengan akurasi 99,50% dan nilai evaluasi sebesar 0,9983 pada seluruh metrik. Sementara itu, Naive Bayes memperoleh akurasi terendah sebesar 67,50%, dan Support Vector Machine mencapai 77,25% dengan nilai evaluasi 0,9200. Berdasarkan temuan ini, Decision Tree direkomendasikan sebagai algoritma utama dalam pengembangan sistem deteksi dini untuk meningkatkan keamanan dan ketahanan infrastruktur teknologi informasi di lingkungan perguruan tinggi.

Persepsi Kegunaan Menentukan Niat untuk Menggunakan GenAI: Model Adopsi Informasi

2025-08-02T03:56:03+07:00

Teknologi Generative Artificial Intelligence (GenAI) berperan strategis dalam transformasi pendidikan tinggi, termasuk dalam personalisasi pembelajaran, otomatisasi konten, serta dukungan administratif dan penelitian. Salah satu aplikasi GenAI yang paling banyak diadopsi adalah ChatGPT, model bahasa alami berbasis AI dari OpenAI. Namun, tingkat adopsi berkelanjutan oleh mahasiswa, khususnya pada institusi pendidikan tinggi di wilayah berkembang seperti Universitas Papua di Papua Barat, masih rendah dan belum banyak dikaji. Studi ini bertujuan menganalisis pengaruh kualitas argumen, kredibilitas sumber, kesenangan yang dirasakan, persepsi kegunaan (perceived usefulness), dan kemudahan penggunaan (perceived ease of use) terhadap persepsi kegunaan informasi (information usefulness), serta implikasinya terhadap penggunaan ChatGPT dan kinerja belajar mahasiswa yang diukur melalui efektivitas, efisiensi, dan kepastian hasil belajar. Pendekatan kuantitatif digunakan dengan menyebar kuesioner daring kepada 140 mahasiswa aktif Universitas Papua yang telah menggunakan ChatGPT dalam konteks akademik. Analisis data dilakukan dengan metode Partial Least Squares Structural Equation Modeling (PLS-SEM), mengintegrasikan model Information Adoption Model (IAM), persepsi kegunaan (perceived usability), dan dimensi kinerja pembelajaran. Hasil menunjukkan bahwa perceived usefulness dan perceived ease of use berpengaruh signifikan terhadap information usefulness, yang berdampak positif terhadap kepercayaan belajar, penggunaan ChatGPT, efektivitas, dan efisiensi pembelajaran. Namun, konstruk lain seperti argument quality, perceived enjoyment, dan source credibility tidak berpengaruh langsung signifikan terhadap information usefulness. Nilai koefisien determinasi (R²) menunjukkan daya prediksi moderat hingga kuat. Temuan menegaskan pentingnya perluasan model adopsi dengan mempertimbangkan faktor eksternal seperti literasi digital, kepercayaan terhadap AI, serta dukungan institusional untuk mendorong adopsi GenAI yang berkelanjutan.

Perancangan Data Warehouse Menggunakan Metode Star Schema dan ETL Untuk Menghasilkan Laporan Efektifitas Proses Rekrutmen Kandidat di Enigma Camp

2025-07-22T09:22:21+07:00

Enigma Camp merupakan perusahaan IT Bootcamp dan manajemen talenta yang berfokus pada pelatihan programmer dengan modul yang disesuaikan untuk memenuhi standar industri. Dalam hal konsolidasi data dan analisa, Enigma Camp sering kali mengalami kesulitan dan membutuhkan banyak waktu. Hal tersebut dikarenakan data rekrutmen bersumber dari banyak aplikasi platform rekrutmen dengan ukuran data yang besar. Perancangan Data Warehouse ini diharapkan mampu mempermudah konsolidasi data tersebut sehingga informasi data dapat digunakan untuk memonitor, menganalisis, serta meningkatkan efektivitas dan efisiensi keseluruhan proses rekrutmen di Enigma Camp. Model Data Warehouse memerlukan identifikasi kebutuhan informasi yang akurat dan pemilihan sumber data yang terpercaya. Proses perancangannya mengimplementasikan skema bintang (Star Schema) yang melibatkan tahapan ETL (Extract, Transform, Load) guna mengintegrasikan, mengekstrak, membersihkan, mentransformasi, dan memuat data ke dalam Data Warehouse. Penggunaan metode Star Schema dipilih karena kemampuannya dalam menampung beragam tabel dimensi, termasuk sub-tabel dimensi, yang berpotensi menghasilkan informasi lebih kaya untuk mendukung pengambilan keputusan. Sistem Data Warehouse yang dirancang ini mampu menyajikan laporan analisis rekrutmen secara efektif, sehingga mendukung pengambilan keputusan strategis yang lebih cepat dan tepat. Hal ini berkontribusi pada peningkatan efisiensi operasional dan kualitas rekrutmen kandidat di Enigma Camp.

Transformasi Portal Data Pemerintah di Indonesia dengan Large Language Model dan Retrieval-Augmented Generation: Tinjauan Pustaka Sistematis

2025-07-07T06:25:56+07:00

Integrasi kecerdasan buatan (Artificial Intelligence/AI) seperti Large Language Model (LLM) dan Retrieval-Augmented Generation (RAG) berpotensi mentransformasi portal data pemerintah, namun implementasinya terhambat oleh kurangnya tinjauan sistematis dan kerangka evaluasi yang spesifik. Penelitian ini bertujuan untuk mengidentifikasi, mengevaluasi, dan mensintesis literatur terkini mengenai metodologi, keberhasilan, dan tantangan integrasi teknologi tersebut melalui tinjauan pustaka sistematis. Metode ini diterapkan dengan pencarian terstruktur pada basis data Google Scholar, Scopus, dan IEEE Xplore, diikuti proses penyaringan bertahap. Hasil tinjauan menunjukkan bahwa teknologi AI terbukti efektif meningkatkan komunikasi pemerintah-warga, efisiensi layanan, dan akurasi pengambilan data, di mana penyesuaian model menjadi faktor penting. Namun, implementasinya masih menghadapi tantangan signifikan terkait tata kelola, kualitas data, dan masalah etis. Hasil penelitian ini menekankan pentingnya pengembangan kerangka kerja tata kelola yang komprehensif untuk memastikan penerapan AI yang akuntabel dan selaras dengan kepentingan publik.

Deteksi dan Klasifikasi Ancaman pada Log Serangan Siber Menggunakan Algoritma K-Nearest Neighbor (KNN) dan Random Forest (RF)

2025-06-29T21:30:12+07:00

Ancaman siber yang semakin kompleks dan terus berkembang menuntut sistem keamanan yang mampu mendeteksi serangan secara cepat dan akurat. Pesatnya perkembangan serangan siber menuntut sistem deteksi yang cerdas dan adaptif untuk mengamankan jaringan informasi. Penelitian ini bertujuan untuk menerapkan dan mengevaluasi kinerja algoritma K-Nearest Neighbor (KNN) dan Random Forest (RF) dalam mendeteksi serta mengklasifikasikan ancaman berdasarkan log serangan siber. Data yang digunakan diperoleh dari Biro Sistem Informasi Universitas Muhammadiyah Purwokerto, berjumlah 500 entri dengan 25 atribut, yang kemudian diproses melalui tahap pra-pemrosesan seperti parsing, imputasi nilai hilang, dan encoding atribut kategorikal. Model KNN dan RF dibangun dan diuji menggunakan metrik evaluasi akurasi, precision, recall, dan f1-score. Hasil menunjukkan bahwa algoritma RF memiliki kinerja yang lebih unggul dengan akurasi 94,87% dibandingkan KNN yang mencapai 89,32%. Selain itu, RF menunjukkan konsistensi tinggi dalam precision dan recall pada kedua kelas, menjadikannya lebih efektif dalam mendeteksi variasi serangan. Dengan demikian, RF direkomendasikan sebagai algoritma utama dalam pengembangan sistem deteksi ancaman siber berbasis pembelajaran mesin.

Analisis Keterkaitan Teknologi Blockchain Dalam Tata Kelola, Bidang Kesehatan, Dan Keuangan Digital Dengan Pendekatan Tinjauan Literatur Sistematis

2025-07-14T09:55:49+07:00

Dalam era digitalisasi saat ini, bidang kesehatan mengalami tantangan yang signifikan dalam pengelolaan data medis, beberapa masalahnya seperti rendahnya tingkat keamanan data, terbatasnya transparansi dalam pengelolaan data, dan penerapan teknologi keuangan digital yang masih terhambat implementasinya. Teknologi blockchain memiliki potensi besar dalam meningkatkan keamanan dan integrasi data, namun tantangan yang dihadapi dalam bidang pengelolaan data kesehatan, masih menjadi masalah utama. Tujuan penelitian ini adalah mengevaluasi kontribusi teknologi blockchain dalam pengelolaan data kesehatan serta interaksi dengan sistem keuangan digital, untuk memberikan rekomendasi terhadap pengembangan sistem kesehatan yang lebih efisien dan efekttif. Penelitian ini juga memberikan landasan teoritis untuk pengembangan sistem informasi kesehatan berbasis blockchain di masa mendatang. Penelitian ini menggunakan pendekatan tinjauan literatur sistematis untuk mengumpulkan artikel, pendekatan ini mampu memberikan gambaran mengenai tren, temuan utama, serta kesenjangan pada penelitian yang ada. Proses ini merumuskan pertanyaan penelitian yang berfokus bagaimana blockchain digunakan dalam meningkatkan pengelolaan data kesehatan serta bagaimana integrasinya dengan sistem keuangan digital. Hasil penelitian menunjukkan dari 1850 artikel yang dikumpulkan, kemudian dilakukan peninjauan berdasarkan kriteria inklusi dan eksklusi, dengan menyeleksi artikel yang tidak memenuhi kriteria melalui proses peer-review, akhirnya hanya 25 artikel yang dipilih untuk dianalisis secara mendalam. Secara keseluruhan, hasil tinjauan literatur sistematis menunjukkan bahwa teknologi blockchain memiliki potensi besar dalam mentransformasi sistem kesehatan digital. Penelitian ini memberikan kontribusi penting dalam membangun dasar ilmiah untuk pengembangan penelitian di bidang kesehatan, tata kelola, dan keuangan digital yang berbasis teknologi blockchain.

Pengaruh Feed Rate pada Friction Stir Welding Polypropylene Menggunakan Tool Aluminium 7075 Terhadap Kekuatan Tarik dan Lentur

2025-07-12T20:12:02+07:00

Friction Stir Welding (FSW) merupakan metode penyambungan fase padat yang efektif untuk material termoplastik seperti Polypropylene (PP), terutama dalam industri otomotif dan manufaktur ringan. Tantangan utama dalam penerapannya pada polimer adalah pengendalian parameter proses, Khususnya kecepatan pengelasan (feed rate), yang memengaruhi kualitas sambungan. Penelitian ini bertujuan untuk mengevaluasi pengaruh variasi feed rate terhadap kekuatan tarik dan lentur pada sambungan polypropylene yang dibentuk melalui proses friction stir welding (FSW). Proses dilakukan dengan menggunakan mesin frais, dengan tool berbahan aluminium 7075 dan pin silinder ulir. Variasi feed rate sebesar 15, 20, dan 25 mm/menit diterpakan dengan kecepatan putar konstan 1460 rpm dan sudut kemiringan 0°. Evaluasi dilakukan melalui pengujian tarik (ASTM D638), lentur (ASTM D790), serta pengamatan makro terhadap stir zone. Hasil menunjukkan bahwa feed rate 15 mm/menit menghasilkan stir zone yang paling homogen dengan cacat internal yang rendah dan kekuatan tarik tertinggi sebesar 13,485 MPa, setara efisiensi sambungan 44,06%. Sementara itu, kekuatan lentur tertinggi sebesar 15,179 MPa dicapai pada feed rate 25 mm/menit, dengan efisiensi lentur sebesar 32,1%. Feed rate tinggi cenderung menyebabkan cacat seperti void dan incomplete fusion akibat distribusi panas yang tidak merata serta plastisitas material yang tidak optimal. Penelitian ini berkontribusi pada pengembangan parameter friction stir welding untuk material polimer, khususnya melalui penerapan tool berbahan aluminium 7075 yang masih jarang dilaporkan dalam literatur dan dapat menjadi acuan untuk optimasi proses di sektor industri termoplastik.