PkM: Sosialisasi Deep Learning untuk Optimalisasi Kualitas dan Efisiensi pada Pembelajaran Teaching Factory di Era Industri 4.0
DOI:
https://doi.org/10.37859/jpumri.v10i1.11108
Abstract
Program Pengabdian kepada Masyarakat (PkM) hari ini bertujuan untuk memperkenalkan konsep dasar deep learning, khususnya untuk pengendalian kualitas otomatis, kepada siswa SMK Muhammadiyah 3 Terpadu Pekanbaru dalam konteks Teaching Factory. Kegiatan menggunakan metode kombinasi sosialisasi berbasis ceramah dan workshop praktik menggunakan model YOLO (You Only Look Once) yang telah dilatih sebelumnya melalui antarmuka yang ramah pengguna. Hasil menunjukkan peningkatan pemahaman peserta yang signifikan, dengan skor rata-rata pre-test 38,5% meningkat menjadi 80,2% pada post-test. Peserta berhasil menjalankan simulasi untuk mendeteksi cacat pada gambar sampel produk. Kegiatan diakhiri dengan penyusunan implementasi roadmap sederhana secara kolaboratif. PkM ini membuktikan bahwa intervensi singkat dan intensif tetap dapat efektif membangun kesadaran dan kompetensi dasar mengenai teknologi Industri 4.0 di pendidikan vokasi, sebagai langkah awal menuju integrasi yang lebih mendalam.
Downloads
References
Direktorat Pembinaan SMK, “Panduan Penyelenggaraan Teaching Factory di SMK,” Kementerian Pendidikan dan Kebudayaan RI, Jakarta, 2017.
J. Redmon dan A. Farhadi, “YOLO9000: Better, Faster, Stronger,” dalam Proc. IEEE Conf. Comput. Vis. Pattern Recognit. (CVPR), 2017, pp. 7263–7271.
T. Lin et al., “Microsoft COCO: Common Objects in Context,” dalam Computer Vision – ECCV 2014, Springer, 2014, pp. 740–755.
S. Soni, A. Hafid, dan D. Sudyana, “Analysis of Security Awareness in Using Technology and Social Media at Muhammadiyah University, Riau,” Int. J. Comput. Appl., vol. 177, no. 5, pp. 1-5, 2019.
A. A. Aco dan Riskawati, “Penanganan Kasus Cyber Crime Di Kota Makassar (Studi Pada Kantor Kepolisian Resort Kota Besar Makassar),” J. Supremasi, vol. XI, no. 1, pp. 45-56, 2016.
Y. D. Rahayu dan Y. Prayudi, “Membangun Integrated Digital Forensics Investigation Frameworks (IDFIF) Menggunakan Metode Sequential Logic,” Semin. Nas. SENTIKA, vol. 2014, pp. 123-130, 2014.
K. He, X. Zhang, S. Ren, dan J. Sun, “Deep Residual Learning for Image Recognition,” dalam Proc. IEEE Conf. Comput. Vis. Pattern Recognit. (CVPR), 2016, pp. 770–778.
S. Soni dkk., “Optimalisasi Pemanfaatan Google Classroom Sebagai Media Pembelajaran Di Smk Negeri 1 Bangkinang,” J. Pengabdi. Untuk Mu NegeRI, vol. 2, no. 1, pp. 17–20, 2018.
R. B. Surya, “Implementasi Machine Learning dalam Sistem Pendidikan Vokasi,” J. Tekno Kompak, vol. 15, no. 1, pp. 45–56, 2021.
J. J. G. Oktaviani, “Pelatihan Penggunaan Aplikasi Canva bagi Guru SMK untuk Meningkatkan Kualitas Media Pembelajaran,” J. Pengabdi. Untuk Mu NegeRI, vol. 5, no. 2, pp. 88-95, 2021.
D. W. O. Siahaan, “Kajian Penerapan Teknologi Augmented Reality pada Teaching Factory di SMK,” J. Inov. Teknol. Pendidik., vol. 9, no. 2, pp. 112–123, 2022.
A. M. Fauzi, “Pelatihan dan Pendampingan Pembuatan Media Pembelajaran Interaktif bagi Guru SMK,” J. Pengabdi. Untuk Mu NegeRI, vol. 4, no. 1, pp. 30–37, 2022.
“Jurnal Pengabdian Untuk Mu negeRI, Edisi Khusus Teaching Factory,” vol. 6, no. 1, 2023.
IEEE, IEEE Editorial Style Manual, 2023. [Daring]. Tersedia: https://journals.ieeeauthorcenter.ieee.org/
M. Everingham, L. Van Gool, C. K. I. Williams, J. Winn, dan A. Zisserman, “The Pascal Visual Object Classes (VOC) Challenge,” Int. J. Comput. Vis., vol. 88, no. 2, pp. 303–338, 2010
