Pengembangan Perangkat Pembelajaran RBL-STEM Untuk Meningkatkan Keterampilan Berpikir Komputasional Mahasiswa Menyelesaikan Masalah Klasifikasi Penyakit Tanaman Perkebunan Menggunakan Segmentasi Convolutional Neural Network

Abstract

Pendidikan merupakan fondasi utama dalam membentuk kepribadian seseorang dan meningkatkan kualitas hidup. Dalam era modern, model pembelajaran yang inovatif sangat diperlukan untuk mendukung pengembangan keterampilan mahasiswa dalam menghadapi tantangan teknologi. Salah satu keterampilan yang sangat relevan adalah keterampilan berpikir komputasional, yaitu kemampuan berfikir logis dan sistematis untuk memecahkan masalah kompleks yang semakin dibutuhkan, terutama di bidang teknologi dan perkebunan. Namun, pada kenyataannya, banyak mahasiswa yang belum memiliki keterampilan ini dengan baik. Salah satu solusi potensial adalah kombinasi Research Based Learning (RBL) dan Science, Technology, Engineering, and Mathematics (STEM) untuk menciptakan perangkat pembelajaran yang relevan dan aplikatif. Penelitian ini bertujuan mengembangkan perangkat pembelajaran berbasis RBL-STEM untuk meningkatkan keterampilan berpikir komputasional mahasiswa, dengan fokus pada aplikasi Convolutional Neural Network (CNN) dalam klasifikasi penyakit tanaman jeruk menggunakan data dari drone quadcopter. Penelitian ini menggunakan model pengembangan 4D Thiagarajan yang mencakup tahap pendefinisian, perancangan, pengembangan, dan penyebaran. Tahap pendefinisian melibatkan analisis kebutuhan, karakteristik mahasiswa, dan konsep yang diajarkan. Perancangan perangkat seperti Rancangan Tugas Mahasiswa (RTM), Lembar Kerja Mahasiswa (LKM), dan Tes Hasil Belajar (THB) dilakukan untuk memastikan keberlanjutan proses pembelajaran. Validasi dan uji coba dilakukan pada mahasiswa kelas Metode Numerik yang terdiri dari 36 peserta. Hasil penelitian menunjukkan perangkat pembelajaran ini valid dengan skor rata-rata 3,85 (96,42%), praktis dengan keterlaksanaan pembelajaran sebesar 3,85 (96,36%), dan efektif dengan 90% mahasiswa mencapai ketuntasan klasikal. Uji statistik paired sample t-test menunjukkan peningkatan signifikan dalam keterampilan berpikir komputasional mahasiswa. Sebelum pembelajaran, tidak ada mahasiswa yang memiliki keterampilan berpikir komputasional tinggi, namun setelah pembelajaran, 92% mahasiswa mencapai tingkat tinggi. Proses pembelajaran menggunakan drone quadcopter sebagai pengambilan data visual secara real time dan CNN berhasil melatih mahasiswa dalam menganalisis data visual dan menyelesaikan masalah secara efektif. Penelitian ini menyimpulkan bahwa perangkat pembelajaran berbasis RBL-STEM tidak hanya valid, praktis, dan efektif, tetapi juga mampu memberikan kontribusi signifikan pada inovasi pembelajaran berbasis teknologi di bidang perkebunan modern. Dengan perangkat ini, mahasiswa dipersiapkan untuk menghadapi tantangan teknologi masa depan, khususnya dalam pengolahan citra digital dan klasifikasi penyakit tanaman. Setelah melaksanakan pengumpulan data dilakukan uji hipotesis menggunakan paired sample T test. Hasilnya menunjukkan bahwa terdapat peningkatan keterampilan berpikir komputasional mahasiwa dengan p-value sebesar 0,000<0,05 yang menunjukkan bahwa terdapat adanya peningkatan keterampilan berpikir komputasional mahasiswa. Untuk memperkuat temuan kuantitatif ini, dilakukan analisis kualitatif melalui triangulasi data menggunakan potret fase, Nvivo, dan Word Cloud. Analisis potret fase dan penggunaan Nvivo menunjukkan bahwa mahasiswa MT mampu memenuhi 11 sub indikator penerapan keterampilan berpikir komputasional mahasiswa, sementara mahasiswa MR hanya memenuhi 7 sub indikator penerapan keterampilan berpikir komputasional mahasiswa. Analisis word cloud mengungkapkan berbagai variasi jawaban dalam berbagai kategori, dengan 3 frekuensi jawaban yang paling banyak digunakan yaitu gambar, jeruk, cnn dan seterusnya .