Firgi Saridaningsih, - (2024) PENGEMBANGAN MEDIA PEMBELAJARAN MENGGUNAKAN PENDEKATAN DEEP LEARNING DENGAN ALGORITMA YOLOv5 PADA MATERI MORFOLOGI IKAN. S1 thesis, Universitas Pendidikan Indonesia.
Text
S_PKP_2008647_Title.pdf Download (677kB) |
|
Text
S_PKP_2008647_Chapter1.pdf Download (117kB) |
|
Text
S_PKP_2008647_Chapter2.pdf Restricted to Staf Perpustakaan Download (804kB) | Request a copy |
|
Text
S_PKP_2008647_Chapter3.pdf Download (223kB) |
|
Text
S_PKP_2008647_Chapter4.pdf Restricted to Staf Perpustakaan Download (3MB) | Request a copy |
|
Text
S_PKP_2008647_Chapter5.pdf Download (44kB) |
|
Text
S_PKP_2008647_Appendix.pdf Restricted to Staf Perpustakaan Download (6MB) | Request a copy |
Abstract
Teknologi semakin berkembang dan mulai banyak dimanfaatkan di berbagai bidang, termasuk pendidikan. Media pembelajaran merupakan salah satu komponen penting dalam pembelajaran yang berperan untuk mendukung keberhasilan proses belajar mengajar. Tujuan penelitian ini adalah mengembangkan media pembelajaran menggunakan pendekatan deep learning dengan algoritma YOLOv5 pada materi morfologi ikan. Penelitian ini menggunakan pendekatan kuantitatif deskriptif dengan metode ADDIE. Hasil penelitian menghasilkan suatu media pembelajaran berbasis web yang diberi nama FishMorpho. Media ini menggunakan teknik deep learning yaitu algoritma YOLOv5 untuk melakukan deteksi objek pada morfologi ikan. Model dilatih dengan epoch 50 menunjukkan hasil yang baik yaitu dengan nilai mAP sebesar 85,2%, Recall sebesar 80,4% dan Presisi sebesar 87,8%. Media ini dilengkapi dengan fitur live camera, foto galeri, materi morfologi ikan, morfometrik dan meristik, serta kuis interaktif. Hasil validasi oleh ahli media dan ahli materi menunjukkan bahwa media ini layak untuk digunakan pada proses pembelajaran dengan kriteria sangat valid secara keseluruhan. Rata-rata skor yang diperoleh dari ahli media senilai 94,6% dan dari ahli materi senilai 93,7% tergolong kedalam kategori sangat valid. Uji coba kepada siswa menunjukkan bahwa media ini efektif dan menarik untuk membantu pembelajaran morfologi ikan. Rata-rata skor yang diperoleh dari siswa terkait tanggapan media pembelajaran sebesar 74,84% yang termasuk kategori menarik. Technology is growing and starting to be widely utilized in various fields, including education. Learning media is one of the important components in learning that plays a role in supporting the success of the teaching and learning process. The purpose of this research is to develop learning media using a deep learning approach with the YOLOv5 algorithm on fish morphology material. This research uses a descriptive quantitative approach with the ADDIE method. The research results produced a web-based learning media named FishMorpho. This media uses deep learning techniques, namely the YOLOv5 algorithm to perform object detection on fish morphology. The model trained with 50 epochs shows good results, namely with a mAP value of 85.2%, Recall of 80.4% and Precision of 87.8%. This media is equipped with a live camera feature, photo gallery, fish morphology material, morphometrics and meristics, and interactive quizzes. The results of validation by media experts and material experts show that this media is suitable for use in the learning process with very valid criteria overall. The average score obtained from media experts is 94.6% and from material experts is 93.7% which is classified into a very valid category. Student trials showed that this media is effective and interesting to help learn fish morphology. The average score obtained from students related to learning media responses is 74.84% which is included in the interesting category.
Item Type: | Thesis (S1) |
---|---|
Additional Information: | https://scholar.google.com/citations?view_op=new_profile&hl=en ID Sinta Dosen Pembimbing Yulda: 6892683 Ahmad Satibi: 6746211 |
Uncontrolled Keywords: | Media Pembelajaran, Deep learning, YOLOv5 Deep learning, Learning Media, YOLOv5 |
Subjects: | L Education > L Education (General) |
Divisions: | UPI Kampus Serang > S1 Pendidikan Kelautan dan Perikanan |
Depositing User: | Firgi Saridaningsih |
Date Deposited: | 26 Sep 2024 03:16 |
Last Modified: | 26 Sep 2024 03:16 |
URI: | http://repository.upi.edu/id/eprint/120300 |
Actions (login required)
View Item |