Pelatihan Pengembangan Aplikasi Klasifikasi Gambar Dengan Library Kecerdasan Buatan Bagi Siswa Kelas XI SMAK Diponegoro Blitar – Jawa Timur
DOI:
https://doi.org/10.20884/1.jupiter.1.2.20Kata Kunci:
Kecerdasan Buatan, Machine Learning, Pelatihan, Pre Test, Post TestAbstrak
Perkembangan teknologi kecerdasan buatan semakin pesat, menjadikan perannya sangat signifikan dalam disrupsi industri 4.0. Teknologi kecerdasan buatan dalam bidang machine learning menjadi bidang ilmu yang terus dikembangkan para ilmuwan di dunia. SMA Katolik Diponegoro merupakan salah satu sekolah yang beralamatkan di Jl. Diponegoro No.32, Bendogerit, Kec. Sananwetan, Kota Blitar, Jawa Timur. Masuknya materi Kecerdasan Buatan pada mata pelajaran informatika kelas XI menjadikan pengalaman baru bagi guru dan siswa SMA sehingga perlunya pembaharuan pengetahuan terkait pembuatan perangkat mobile dengan library kecerdasan buatan. Kegiatan ini bertujuan untuk mendampingi siswa kelas XI SMA Katolik Diponegoro dalam pengembangan perangkat mobile dengan library kecerdasan buatan sehingga siswa mendapatkan pengalaman baru dalam penerapan teknologi kecerdasan buatan pada aplikasi yang dikembangkan. Kegiatan dimulai dari pengenalan kecerdasan buatan dan machine learning, pengembangan perangkat mobile, dan menerapkan kecerdasan buatan dalam pengembangan perangkat mobile. Untuk mencapai tujuan tersebut, tahapan yang dilakukan meliputi tahapan pra pelatihan, pelatihan, dan pasca pelatihan. Untuk mengukur peningkatan pemahaman siswa maka dilakukan pre tests dan post tests. Berdasarkan hasil yang pre test dan post test, pemahaman siswa terhadap materi mengalami peningkatan dengan hasil 84,71%.
Referensi
Ashraf, Rehan & Habib, Muhammad Asif & Akram, Muhammad & Latif, Muhammad & Malik, Muhammad & Awais, Muhammad & Dar, Saadat & Mahmood, Toqeer & Yasir, Muhammad & Abbas, Zahoor. (2020). Deep Convolution Neural Network for Big Data Medical Image Classification. IEEE Access. PP. 1-1. 10.1109/ACCESS.2020.2998808.
Dong, Y. N., & Liang, G. S. (2019). Research and Discussion on Image Recognition and Classification Algorithm Based on Deep Learning. https://doi.org/10.1109/mlbdbi48998.2019.00061
Images Dataset. (n.d.). Retrieved February 7, 2024, from https://www.kaggle.com/datasets/pavansanagapati/images-dataset
Kholil, M. ., Waspada , H. P. ., & Akhsani , R. . (2022). Klasifikasi Penyakit Infeksi Pada Ayam Berdasarkan Gambar Feses Menggunakan Convolutional Neural Network. SINTECH (Science and Information Technology) Journal, 5(2), 198-204. https://doi.org/10.31598/sintechjournal.v5i2.1179
McLeod, R., & Schell, G. P. (2006). Management Information Systems (10th ed.). Pearson Prentice Hall.
MIT App Inventor. (n.d.). Retrieved June 12, 2024, from https://appinventor.mit.edu/
Our Tutorials! (n.d.). Retrieved February 7, 2024, from https://appinventor.mit.edu/explore/ai2/tutorials
Samuel, Arthur. (2000). Some Studies in Machine Learning Using the Game of Checkers. II—Recent Progress. IBM Journal of Research and Development. 3. 206 - 226. 10.1147/rd.441.0206.
Teachable Machine. (n.d.). Retrieved February 7, 2024, from https://teachablemachine.withgoogle.com/train
Wang, Xinggang & Yang, Wei & Weinreb, Jeffrey & Han, Juan & Li, Qiubai & Kong, Xiangchuang & Yan, Yongluan & Ke, Zan & Luo, Bo & Liu, Tao & Wang, Liang. (2017). Searching for prostate cancer by fully automated magnetic resonance imaging classification: Deep learning versus non-deep learning. Scientific Reports. 7. 10.1038/s41598-017-15720-y.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Moch. Kholil, Rafika Akhsani, Ibnu Athaillah, Ismanto Ismanto, Heri Priya Waspada, Muchamad Saiful Muluk, Kristinanti Charisma
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.