AbstrakPenelitian bertujuan menghasilkan rancangan media pembelajaran matematika siswa kelas 2 sekolah dasar untuk pengenalan bangun ruang dan bangun datar menggunakan teknologi Augmented Reality (AR). Metode penelitian mengikuti tahap Multimedia Development Life Cycle (MDLC) yang terdiri dari enam tahap, yaitu concept, design, material collecting, assembly, testing, dan distribution. Subjek penelitian adalah siswa kelas 2 Sekolah Dasar Pelita. Teknik pengumpulan data berdasarkan studi pustaka atau literatur. Software yang digunakan adalah Unity untuk membuat objek 2D atau 3D dengan memasukkan gambar marker ke database Vuforia. Pengujian aplikasi di perangkat Android dilakukan dengan blackbox testing untuk menilai kebutuhan dan spesifikasi software. Hasil rancangan berupa media pembelajaran interaktif yang dilengkapi dengan materi dan kuis. Hasil temuan menunjukkan teknologi AR pada media pembelajaran matematika kelas 2 sekolah dasar dapat dirancang dengan visual yang interaktif. AbstractThe research aimed to produce a design for mathematics learning media for second-grade elementary school students for the introduction of geometric shapes and flat shapes using Augmented Reality (AR) technology. The research method followed the Multimedia Development Life Cycle (MDLC) stage consisting of six stages, namely concept, design, collecting material, assembly, testing, and distribution. The research subjects were second-grade students of Pelita Elementary School. Data collection techniques were based on literature or literature studies. The software device used Unity to create 2D or 3D objects by entering marker images into the Vuforia database. Application testing on Android devices was carried out by black-box testing to assess software requirements and specifications. The results of the design produced interactive learning media equipped with materials and quizzes. The findings showed that AR technology in the second-grade elementary school mathematics learning media can be designed with interactive visuals.
Diabetes menjadi salah satu penyakit yang mematikan di dunia, termasuk di Indonesia. Diabetes dapat menyebabkan komplikasi di banyak bagian tubuh dan secara keseluruhan dapat meningkatkan risiko kematian. Salah satu cara untuk mendeteksi penyakit diabetes adalah dengan memanfaatkan algoritma machine learning. Logistic regression merupakan model klasifikasi dalam machine learning yang banyak digunakan dalam analisis klinis. Pada makalah ini, dirancang model prediksi menggunakan logistic regression pada Python IDE untuk deteksi dini dengan memberikan prediksi seseorang terindikasi penyakit diabetes atau tidak berdasarkan data awal yang diberikan. Eksperimen dilakukan menggunakan dataset dari Pima Indians Diabetes Database yang terdiri atas 768 data pasien dengan delapan variabel independen dan satu variabel dependen. Exploratory data analysis dilakukan untuk mendapatkan wawasan maksimal dari dataset yang dimiliki menggunakan bantuan statistik dan mempresentasikannya melalui teknik visual. Beberapa variabel dataset memuat data yang tidak lengkap. Nilai data yang hilang digantikan dengan nilai median dari setiap variabel. Penanganan terhadap data yang tidak seimbang dilakukan menggunakan synthetic minority over-sampling technique (SMOTE) untuk meningkatkan kelas minoritas melalui sampel data sintesis. Model dievaluasi berdasarkan confusion matrix yang memperlihatkan kinerja yang cukup baik dengan nilai akurasi sebesar 77%, presisi 75%, recall 77% dan F1-score 76%. Selain itu, pada makalah ini juga digunakan teknik grid search sebagai hyperparameter tuning yang dapat meningkatkan kinerja dari model logistic regression. Kinerja model dasar dengan model sesudah dilakukan penerapan teknik grid search diuji dan dievaluasi. Hasil percobaan memperlihatkan bahwa model berbasis hyperparameter tuning mampu meningkatkan kinerja algoritma logistic regression untuk prediksi dengan nilai akurasi sebesar 82%, presisi 81%, recall 79%, dan F1-score 80%.
Penerjemahan bahasa secara alami sangat membantu dalam memahami setiap kata maupun kalimat berdasarkan arti yang dimaksud. Ragam bahasa yang tidak mudah untuk dimengerti, menimbulkan kesulitan komunikasi. Natural Language Processing (NLP) menjadi pilihan untuk menterjemahkan bahasa manusia dengan komputer secara alami. Sebagai salah satu metode parsing, Left Corner Parsing menguraikan bahasa mulai dari constituent terbesar hingga terkecil, yakni kata. Penguraian tersebut diikuti dengan merepresentasikan arti atau dikenal dengan interpretasi kontekstual. Studi ini dilakukan untuk menguraikan bahasa Mandailing menggunakan Left Corner Parsing yang dilengkapi dengan analisis menentukan maksud dari penggunaan kalimat tersebut. Hasil pengujian memperlihatkan bahwa metode Left Corner Parsing berhasil menguraikan kalimat sesuai dengan pola bahasa awal yang ditentukan dan memberikan analisis kontekstual terhadap hasil terjemahan yang benar serta mudah dimengerti.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.