ThesisOpen AccessMetadata saja
2026•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Materi Karakteristik dan klasifikasi makhluk hidup merupakan materi IPA yang memerlukan pemahaman konseptual sekaligus kegiatan pengamatan dan identifikasi terhadap objek makhluk hidup. Kegiatan pembelajaran pada materi ini dapat dilakukan melalui berbagai lingkungan belajar, baik di dalam kelas maupun di laboratorium IPA. Penelitian ini bertujuan untuk menganalisis pengaruh penggunaan laboratorium IPA terhadap hasil belajar siswa kelas VII SMP Negeri 5 Tarakan pada materi karakteristik dan klasifikasi makhluk hidup. Penelitian ini menggunakan pendekatan kuantitatif dengan desain quasi experiment tipe nonequivalent control group design. Sampel penelitian terdiri atas kelas VII A sebagai kelas eksperimen berjumlah 25 siswa dan kelas VII B sebagai kelas kontrol berjumlah 25 siswa di SMP Negeri 5 Tarakan. Kelas eksperimen melaksanakan kegiatan praktikum di laboratorium IPA, sedangkan kelas kontrol melaksanakan kegiatan praktikum di dalam kelas. Teknik pengumpulan data dilakukan melalui tes hasil belajar berupa pretest dan posttest, serta lembar observasi keterampilan psikomotorik. Data dianalisis menggunakan uji normalitas, uji homogenitas, uji linearitas kovariat, dan uji ANCOVA dengan bantuan SPSS. Hasil penelitian menunjukkan bahwa secara deskriptif rata-rata hasil belajar kelas eksperimen sebesar 77,40, lebih tinggi dibandingkan kelas kontrol sebesar 66,84. Selain itu, rata-rata keterampilan psikomotorik kelas eksperimen sebesar 75,40, dan nilai rata-rata kelas kontrol sebesar 70,40 dengan kategori baik. Namun, hasil uji ANCOVA pada variabel kelas memperoleh nilai signifikansi sebesar 0,380 > 0,05, sehingga H₀ diterima dan H₁ ditolak. Dengan demikian, penggunaan laboratorium IPA tidak memberikan pengaruh yang signifikaan terhadap hasil belajar siswa secara statistik pada materi karakteristik dan klasifikasi makhluk hidup. Meskipun demikian, penggunaan laboratorium IPA tetap dapat dimanfaatkan sebagai sarana pendukung pembelajaran dalam memberikan pengalaman belajar langsung dan mengembangkan keterampilan psikomotorik siswa.
ThesisOpen AccessMetadata saja
2026•
.Rumput laut Eucheuma cottonii merupakan komoditas perikanan bernilai ekonomi tinggi yang kualitas pascapanennya sangat dipengaruhi oleh tingkat kekeringan. Penentuan tingkat kekeringan oleh petani masih dilakukan secara manual melalui pengamatan visual terhadap warna dan tekstur sehingga bersifat subjektif dan berpotensi menghasilkan penilaian mutu yang tidak konsisten. Penelitian ini bertujuan membangun sistem klasifikasi otomatis jenis kekeringan rumput laut berbasis pengolahan citra digital menggunakan algoritma YOLOv8 untuk menghasilkan identifikasi yang lebih objektif dan konsisten. Dataset yang digunakan berupa 750 citra primer yang dikelompokkan ke dalam tiga kelas, yaitu 250 citra untuk RL_Basah, 250 citra untuk RL_Kering_Oven, dan 250 citra untuk RL_Kering_Jemur_Langsung. Pengelolaan dataset dilakukan menggunakan Roboflow melalui proses pelabelan, preprocessing (auto-orient dan resize citra menjadi 640 × 640 piksel), serta augmentasi berupa flip horizontal dan vertikal sehingga jumlah dataset meningkat menjadi 1.533 citra. Model YOLOv8n dipilih karena efisiensi komputasinya dan dilatih selama 50 epoch. Model terbaik kemudian diintegrasikan ke dalam aplikasi desktop berbasis PyQt5 yang dilengkapi fitur penyimpanan riwayat hasil deteksi ke basis data MySQL. Hasil evaluasi pada data validasi menunjukkan performa model yang sangat baik dengan nilai mAP50 sebesar 0,995 dan mAP50-95 sebesar 0,969. Pengujian fungsional menggunakan metode Black-Box Testing memperoleh tingkat keberhasilan 100% pada seluruh fungsi sistem. Selain itu, pengujian menggunakan 90 citra baru di luar dataset yang mencakup skenario objek tunggal, multiobjek, dan multikelas. Perhitungan akurasi hanya dilakukan pada skenario pengujian objek tunggal dan menghasilkan nilai akurasi sebesar 0,97. Sementara itu, hasil pengujian yang menggabungkan seluruh skenario pengujian menghasilkan nilai rata-rata Precision sebesar 0,92, Recall sebesar 0,90, dan F-Measure sebesar 0,90. Berdasarkan hasil tersebut, sistem yang dikembangkan mampu mengklasifikasikan jenis kekeringan rumput laut secara otomatis dan konsisten berdasarkan karakteristik visual citra.
ThesisOpen AccessMetadata saja
2025•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Penelitian ini bertujuan untuk mengidentifikasi dan mengklasifikasikan tumbuhan lumut (Bryophyta) yang terdapat di kawasan Hutan Penelitian Universitas Borneo Tarakan serta mengkaji potensinya sebagai sumber belajar biologi. Penelitian dilakukan menggunakan metode survei eksploratif dengan teknik purposive sampling. Pengumpulan data dilaksanakan melalui pengamatan langsung di lapangan terhadap ciri morfologi lumut dengan bantuan tabel pertelaan, dokumentasi visual, pencatatan mikrohabitat, serta identifikasi lanjutan di laboratorium menggunakan mikroskop binokuler. Untuk mendukung analisis ekologi, dilakukan pula pengukuran faktor lingkungan meliputi suhu, intensitas cahaya, kelembapan udara, dan pH tanah. Hasil penelitian menunjukkan terdapat enam jenis lumut yang termasuk dalam kelas Bryopsida, yaitu Leucobryum javense, Rhynchostegium sp., Hypnum cupressiforme, Dicranum scoparium, Gymnostomiella vernicosa, dan Brachythecium sp. Seluruh jenis ditemukan pada kondisi lingkungan yang lembap dengan suhu rata-rata 26°C, intensitas cahaya 449 lux, pH tanah 5,6, dan kelembapan udara 77,7%, yang mendukung pertumbuhan optimal lumut di daerah tropis. Setiap jenis menunjukkan karakter morfologi yang khas serta kemampuan adaptasi terhadap berbagai substrat, seperti tanah, batang pohon, dan batu. Keanekaragaman tumbuhan lumut yang ditemukan memiliki potensi untuk dimanfaatkan sebagai sumber belajar biologi, khususnya pada materi keanekaragaman hayati, klasifikasi tumbuhan, ekologi, dan adaptasi organisme. Pemanfaatan hasil penelitian ini diharapkan dapat mendukung pembelajaran biologi yang bersifat kontekstual dan berbasis potensi lokal.
ThesisOpen AccessMetadata saja
2025•
Gizi buruk adalah masalah serius yang bisa menghambat pertumbuhan dan perkembangan anak balita. Di Kota Tarakan, data dari EPPGBM 2020 menunjukkan angka gizi buruk sebesar 9.1% untuk anak yang kurus, 14% anak dengan gizi buruk, dan 4.0% anak yang mengalami wasting. Penelitian ini bertujuan membuat aplikasi mobile berbasis Android untuk mengklasifikasikan kondisi gizi buruk pada balita dengan menggunakan metode Analytical Hierarchy Process (AHP) yang diintegrasikan dengan standar WHO. Penelitian ini menggunakan metode R&D model Borg and Gall. Aplikasi dikembangkan menggunakan Flutter, Dart, dan database Hive. Aplikasi ini mengintegrasikan perhitungan Z-Score sesuai standar WHO dan analisis kuesioner gejala berdasarkan pedoman MTBS. Uji coba dilakukan pada 20 sampel balita, hasilnya menunjukkan aplikasi mampu mendeteksi 70% kasus malnutrisi, terdiri dari 40% kasus gizi buruk dan 30% kasus gizi kurang. Dengan metode AHP, gejala pernapasan dan dehidrasi diberi bobot prioritas tertinggi sebesar 0.248 dengan Consistency Ratio 0.061. Evaluasi kesan pengguna dari 20 responden menunjukkan rata-rata kepuasan sebesar 4.5 hingga 4.65 dari skala 5, dengan kemudahan penggunaan yang tertinggi yaitu 4.65. Uji Blackbox menunjukkan semua fitur aplikasi berjalan sesuai dengan spesifikasi yang ditetapkan. Aplikasi ini bisa memudahkan deteksi dini gizi buruk pada balita dan mendukung upaya pemerintah dalam mengurangi angka gizi buruk pada anak.
ThesisOpen AccessMetadata saja
2025•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Masyarakat Suku Dayak Kenyah memiliki pengetahuan turun-temurun dalam pemanfaatan tumbuhan untuk pengobatan tradisional. Namun, kemiripan morfologi antara spesies tanaman, khususnya daun, sering menjadi kendala dalam identifikasi yang akurat. Meskipun minat terhadap herbal medicine semakin meningkat, keterbatasan pemahaman mengenai tanaman obat tetap menjadi masalah, meski Indonesia memiliki lebih dari 38.000 spesies tumbuhan, dengan 2.039 di antaranya tanaman herbal. Proses klasifikasi daun obat tradisional masih dilakukan secara manual, berisiko terjadi kesalahan akibat kemiripan bentuk dan tekstur antar daun. Penelitian ini mengusulkan sistem klasifikasi citra daun obat tradisional Suku Dayak Kenyah menggunakan metode deep learning Convolutional Neural Network (CNN), dengan fokus pada daun senggani (Melastoma malabathricum L), daun jarak (Jatropha curcas), dan daun sengkubak (Pycnarrhena cauliflora). Penelitian menggunakan dataset 900 citra primer yang diproses melalui tahapan preprocessing dan augmentation hingga menghasilkan 2.340 citra. Dataset dibagi menjadi 80% data latih, 10% data validasi, dan 10% data uji. Proses analisis meliputi pembagian dataset, pelatihan model, dan evaluasi performa dengan mengamati kestabilan metrik pada data validasi dan pengujian. Hasil pelatihan model CNN dengan arsitektur MobileNetV2 menunjukkan bahwa akurasi terbaik tercapai pada epoch ke-50 dengan nilai akurasi pelatihan 100%, akurasi validasi 100%, dan validation loss sebesar 0,0565. Evaluasi terhadap data uji menunjukkan performa model sangat baik, dengan nilai precision, recall, dan F1-Score rata-rata mencapai 100% pada seluruh kategori daun serta rata-rata akurasi 100%. Namun, pengujian pada 90 data uji dari dataset luar menunjukkan penurunan performa model, dengan rata-rata precision 88%, recall 84%, dan F1-score 83%, dengan rata-rata dari akurasi per kelas 88,9% dan akurasi total model pada data uji luar dataset adalah 84,4%. Hasil ini menunjukkan bahwa model CNN dengan arsitektur MobileNetV2 efektif dalam klasifikasi citra daun obat tradisional Suku Dayak Kenyah, dan dapat menjadi solusi inovatif serta standar kualitas dalam klasifikasi daun senggani, daun jarak, dan daun sengkubak.
ThesisOpen AccessMetadata saja
2025•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Kualitas dan tingkat kematangan buah pisang sangat memengaruhi harga jual dan kepuasan konsumen, namun proses penentuan secara manual memerlukan waktu, keahlian khusus, dan rawan kesalahan, sehingga dibutuhkan sistem otomatis yang akurat dan efisien. Penelitian ini bertujuan merancang dan membangun sistem klasifikasi otomatis tingkat kematangan dan jenis buah pisang berbasis citra dengan menggunakan metode Convolutional Neural Network (CNN), yang diharapkan dapat membantu petani, pedagang, dan konsumen dalam menilai kualitas buah secara cepat dan akurat. Dataset yang digunakan mencakup 900 citra awal dari pisang jenis susu dan muli dengan tiga kategori kematangan yaitu mentah, matang, dan busuk. Setelah melalui tahap preprocessing jumlah dataset meningkat menjadi 2.700 citra. Selanjutnya, data dibagi menjadi data latih 70%, data validasi 15%, dan data uji 15%. Model CNN dilatih menggunakan arsitektur VGG16 dan dievaluasi dengan metrik akurasi, precision, recall, dan F1-score. Proses analisis data meliputi pembagian dataset, pelatihan model, serta evaluasi performa dengan mengamati kestabilan nilai metrik pada data validasi dan pengujian. Hasil pengujian dari data uji dalam dataset menunjukkan performa model yang tinggi dengan nilai rata-rata precision 85%, recall 88%, dan F1-score 86% serta rata – rata akurasi 87,90%. Hasil pengujian sebanyak 405 data dari data uji diluar dataset menunjukkan performa model yang turun dengan nilai rata-rata precision 86%, recall 77% dan F1-score 79% serta rata – rata akurasi 76,79%. Dengan demikian, sistem ini terbukti efektif sebagai sistem otomatis dalam penilaian kualitas buah pisang, dan dapat diimplementasikan dalam industri pertanian untuk meningkatkan efisiensi, keakuratan, serta mendukung pengambilan keputusan secara cepat dan otomatis.
ThesisOpen AccessMetadata saja
2025•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Kabupaten Nunukan, yang terletak di Provinsi Kalimantan Utara, khususnya di Pulau Sebatik, memiliki potensi besar dalam produksi kelapa sawit. Proses manual dalam menentukan jenis kelamin bunga kelapa sawit seringkali menyebabkan kesalahan dan ketidakefisienan. Oleh karena itu, penelitian ini mengusulkan untuk mengembangkan sistem klasifikasi jenis kelamin bunga kelapa sawit secara otomatis berbasis citra dengan menggunakan salah satu arsitektur CNN (Convolutional Neural Network) yaitu VGG19. Dataset dalam penelitian ini menggunakan data primer yang terdiri dari 800 citra bunga kelapa sawit, masing-masing 400 citra untuk bunga jantan dan betina. Dataset kemudian diproses melalui tahapan preprocessing hingga menghasilkan total 1.164 citra baru yang digunakan untuk pelatihan model dengan pembagian proporsi 80% untuk data pelatihan, 10% untuk data validasi, dan 10% untuk data uji. Hasil pelatihan model CNN dengan arsitektur VGG19 terhadap 80% data pelatihan menunjukkan rata-rata nilai precision, recall, dan f1-score keseluruhan sebesar 100%. Begitu pula hasil evaluasi model pelatihan terhadap 10% data validasi dan 10% data uji menunjukkan nilai precision, recall, dan f1-score mencapai 100%. Namun pada saat sistem diimplementasikan menggunakan citra baru diluar dataset sebanyak 18 citra, masih terdapat kesalahan dalam mengidentifikasi bunga betina sebagai bunga jantan, sehingga menghasilkan rata-rata presisi sebesar 95%, recall 95%, dan F1-score 94%. Hasil pengujian ini menunjukkan, sistem berhasil mengklasifikasikan bunga kelamin kelapa sawit, meskipun masih terdapat kesalahan dalam implementasi sistem. Faktor kesalahan tersebut disebabkan oleh keterbatasan jumlah citra ataupun kurangnya variasi data latih. Sistem ini diharapkan dapat berkontribusi dalam bidang pertanian kelapa sawit, terutama dalam mengklasifikasikan bunga kelapa sawit.
ThesisOpen AccessMetadata saja
2025•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Kabupaten Malinau di Provinsi Kalimantan Utara, khususnya Desa Putat, memiliki keanekaragaman hayati yang tinggi, termasuk tumbuhan dari family Menispermaceae, salah satunya daun Sengkubak dengan nama ilmiah Pycnarrhena Cauliflor. Penelitian ini bertujuan untuk membangun sistem deteksi kesegaran berbasis citra menggunakan metode deep learning khususnya CNN untuk mengklasifikasikan jenis kesegaran daun Apa (sengkubak) kedalam tiga kriteria yaitu daun sengkubak segar, daun sengkubak tidak segar, daun sengkubak rusak. Dataset penelitian ini terdiri dari 1500 citra awal data primer daun sengkubak dengan tiga kriteria kesegaran, yang kemudian diproses melalui tahap preprocessing dan augmentasi sehingga menghasilkan 2500 citra. Pembagian dataset terdiri dari 80% data latih, 10% data validasi, dan 10% data uji. Model CNN dengan arsitektur VGG16 yang dilatih menunjukkan akurasi pelatihan sebesar 99.27%. Evaluasi menggunakan data validasi menunjukkan performa model secara keseluruhan berdasarkan nilai f1-score berada pada kisaran 99-100%. Sementara itu, data uji menghasilkan precision 100%, untuk daun sengkubak rusak, meskipun terdapat sedikit kesalahan dengan recall sebesar 96% dan fi-score 98%. Untuk daun sengkubak segar precision, recall, dan f1-score rata-rata mencapai 100%. Sedangkan untuk daun sengkubak tidak segar precision 97%, recall 100%, dan f1-score 98%. Berdasarkan hasil yang diperoleh, model CNN dengan arsitektur VGG16 menunjukkan performa yang baik dalam mengklasifikasikan kesegaran daun sengkubak, meskipun masih terdapat beberapa kesalahan pada pengujian. Faktor kesalahan tersebut disebabkan oleh kurangnya variasi tekstur daun, keterbatasan keragaman data latih, dan kualitas citra. Sistem ini diharapkan menjadi sistem deteksi yang inovatif dan standar kualitas yang lebih objektif untuk daun sengkubak vetsin alami masyarakat Dayak.
ThesisOpen AccessMetadata saja
2025•Skripsi, Thesis, Disertasi, dan Tugas Akhir
ANALYSIS OF STUDENTS' CRITICAL THINKING SKILLS ON THE TOPIC OF LIVING ORGANISMS CLASSIFICATION THROUGH THE ACTIVE LEARNING METHOD Abstract This study aims to analyze the critical thinking skills of seventh-grade students at SMP Negeri 12 Tarakan on living organisms classification topics by implementing the active learning method. Critical thinking is one of the essential 21st-century skills that should be nurtured in the learning process, particularly in science education. The Active Leaming method was chosen because it allows students to be directly involved in experiencing, analyzing, and drawing conclusions about the concepts they study through hands-on learning This research employed a descriptive design with a quantitative approach. The study subjects were students of classes VII.1 and VII.2 at SMP Negeri 12 Tarakan in the 2024/2025 academic year. Data collection techniques were through observations, interviews, and open-ended test questions designed to assess various indicators of critical thinking skills, including interpretation, analysis, evaluation, inference, explanation, and self-regulation The findings revealed that students' critical thinking skills fall into the good to very good category, with an average indicator achievement rate of 82.3%. The use of active learning methods has proven effective in increasing students' active participation and supporting the development of critical thinking skills, especially in understanding the material on the classification of living things. This study recommends the application of active learning methods consistently in order to create a fun and meaningful learning atmosphere. Keywords: critical thinking, classification of living organisms, active learning April 24th,2025 This abstract was translated by, Проброво Farid Helmi Setyawan, S.Pd., M.Pd Translator Verified by UBT Language Centre Shif Dr. Syarifa Rafiqa, M.Pd Head ANALYSIS OF STUDENTS' CRITICAL THINKING SKILLS ON THE TOPIC OF LIVING ORGANISMS CLASSIFICATION THROUGH THE ACTIVE LEARNING METHOD Abstract This study aims to analyze the critical thinking skills of seventh-grade students at SMP Negeri 12 Tarakan on living organisms classification topics by implementing the active learning method. Critical thinking is one of the essential 21st-century skills that should be nurtured in the learning process, particularly in science education. The Active Leaming method was chosen because it allows students to be directly involved in experiencing, analyzing, and drawing conclusions about the concepts they study through hands-on learning This research employed a descriptive design with a quantitative approach. The study subjects were students of classes VII.1 and VII.2 at SMP Negeri 12 Tarakan in the 2024/2025 academic year. Data collection techniques were through observations, interviews, and open-ended test questions designed to assess various indicators of critical thinking skills, including interpretation, analysis, evaluation, inference, explanation, and self-regulation The findings revealed that students' critical thinking skills fall into the good to very good category, with an average indicator achievement rate of 82.3%. The use of active learning methods has proven effective in increasing students' active participation and supporting the development of critical thinking skills, especially in understanding the material on the classification of living things. This study recommends the application of active learning methods consistently in order to create a fun and meaningful learning atmosphere. Keywords: critical thinking, classification of living organisms, active learning
ThesisOpen AccessMetadata saja
2025•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Kota Tarakan yang terletak di Kalimantan Utara kaya akan keanekaragaman hayati khususnya jenis family arecaceae. Family arecaceae diketahui memainkan peran penting dalam ekosistem dan perekonomian lokal. Penelitian ini bertujuan untuk membangun sistem klasifikasi berbasis citra menggunakan metode deep learning khususnya CNN untuk mengidentifikasi jenis buah family arecaceae. dataset penelitian terdiri dari 420 citra awal palem raja dan pinang, yang kemudian diproses melalui tahap preprocessing, menghasilkan 1.338 citra. Pembagian dataset dilakukan dengan alokasi 75% untuk data latih, 10% data validasi, dan 15% data uji sekunder. Model CNN yang dilatih menunjukkan akurasi pelatihan sebesar 100% dan evaluasi menggunakan data validasi menghasilkan rata - rata presisi, recall, dan f1-score masing -masing 100%. Model kemudian diuji cobakan pada data uji sekunder hingga diperoleh rata-rata presisi sebesar 95%, recall dan f1-score masing-masing sebesar 94%, sedangkan evaluasi pada data uji primer menghasilkan rata-rata presisi sebesar 88%, recall 88%, dan f1-score 87% dengan ketetapan nilai threshold 95%. Hasil evaluasi ini menunjukkan bahwa penelitian ini berhasil membangun sistem klasifikasi yang efektif dalam mengenali dan menganalisis citra buah, meskipun masih terdapat kesalahan pada beberapa pengujian, khususnya data primer. Faktor kesalahan tersebut disebabkan oleh keterbatasan jumlah citra, kurangnya variasi data latih dan tidak ada tahapan preprocessing pada citra data uji. Sistem ini diharapkan dapat mendukung program konservasi dan pengelolaan sumber daya alam yang berkelanjutan, serta dapat diterapkan pada flora wilayah tropis lainnya.
ThesisOpen AccessMetadata saja
2024•
Sistem jaringan jalan di Kota Tarakan khususnya di wilayah Kecamatan Tarakan Tengah yang telah ditetapkan serta terdata di DPUTR Kota Tarakan, terdapat ketidak sesuain dari hasil penetapan sistem jaringan jalan, sehingga mempengaruhi efektivitas kinerja dari ruas-ruas jalan yang terdapat di Kecamatan Tarakan Tengah khususnya terhadap pengaruh hambatan samping sehingga sering terjadinya sebuah kemacetan. Untuk mengatasi permasalah tersebut dilakukan penelitian dan survei terhadap ruas-ruas jalan di Kecamatan Tarakan Tengah serta analisis pengaruh hambatan samping terhadap kinerja ruas jalan pada salah satu ruas jalan di Kecamatan Tarakan Tengah tepatnya di ruas jalan P. Diponegoro. Hasil survei yang telah dilakukan kemudian disinkronkan dengan peraturan dan pedoman penetapan sistem jaringan jalan serta di interpretasikan menggunakan metode Sistem Informasi Geogafis dengan menggunakan program ArcMap 10.8, kemudian analisis pengaruh hambatan samping pada ruas jalan P. Diponegoro di analisis menggunakan metode PKJI 2014 sehingga didapatkan hasil bahwa terdapat perbedaaan yang cukup signifikan terkait panjang, lebar, dan sistem jaringan jalan pada ruas-ruas jalan di Kecamatan Tarakan Tengah serta hasil analisis pengaruh hambatan samping pada ruas jalan P. Diponegoro menunjukan frekuensi aktivtias yang termasuk dalam kategori Sangat Tinggi (ST) dengan nilai frekuensi kejadian > 900.
ThesisOpen AccessMetadata saja
2022•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Proyek konstruksi adalah pekerjaan mendirikan suatu bangunan dalam waktu yang telah ditentukan dan selesai tepat waktu atau bahkan lebih lepat dari waktu yang diperkirakan. Proyek kontruksi tentunya mempertimbangkan jenis tanah sebelum melakukan pembangunan pada lokasi tersebut dimana tanah memiliki peranan yang penting. Tujuan dari penelitian di Proyek Pembangunan Gedung Sekolah SMPN 11 Tarakan ini, untuk mengetahui jenis tanah dengan data sondir dan untuk mengetahui kapasitas daya dukung tiang pancang dengan menggunakan metode statis dan metode dinamis. Hasil perhitungan daya dukung tiang pancang kelompok dengan menggunakan metode statis pada titik sondir S-2 yang beban terbesarnya terdapat pada metode Mayerhoff sebesar 411,774 ton dan yang terkecil pada metode Shamertmann sebesar 111,330 ton. Daya dukung tiang pancang kelompok dengan menggunakan metode dinamis yang terbesarnya yaitu pada titik G-8-F metode AASHTO sebesar 1879,223 ton sedangkan yang terkecil pada titik G-8-C metode Janbu sebesar 409,014 ton. Angka keamanan (SF) pada metode statis pada titik sondir menghasilkan nilai SF terbesar pada titik sondir S-1 metode Mayerhoff sebesar 6,49 dan terkecil pada titik sondir S-5 metode Shamertmann sebesar 0,10. Pada metode dinamis menghasilkan nilai SF terbesar pada titik G-8-F metode AASHTO sebesar 6,63 dan yang terkecil pada titik G-8-C metode Janbu sebesar 1,44.
ThesisOpen AccessMetadata saja
2021•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Penelitian bertujuan untuk, mengidentifikasi bentuk pertanyaan yang dipakai oleh guru, bagaimana cara mengaplikasikan pertanyaan yang akan diajukan, menemukan respon dan perasaan pada siswa kelas delapan di SMP Negeri 9 Tarakan Tahun akademik 2021. Penelitian menggunakan descriptive qualitative research design. Data diambil melalui observasi kelas, wawancara, dan kuesioner. Hasil dari penelitian di temukan 25 pertanyaan yang digunakan oleh guru sebagai bentuk Questioning Strategies, 25 pertanyaan diklasifikasikan menjadi 3 bagian yaitu display question, referential question, dan procedural question. Ditemukan 16 pertanyaan display question dengan total kemunculan 64%, dari referential question 6 pertanyaan dengan total kemunculan 24%, dan procedural question 3 pertanyan dengan total kemunculan 12%. Kesimpulannya, pertanyaan yang paling sering digunakan oleh guru dalam menerapkan questioning strategies adalah display question.
