REPUBLIKA.CO.ID, SURABAYA -- Dinas Pendidikan Kota Surabaya menyelenggarakan Penilaian Nasional Berbasis Komputer (ANBK) pada tingkat sekolah menengah (SMP) se-Kota Surabaya. Oleh karena itu, sekolah-sekolah yang lokasinya secara fisik sudah kembali menerapkan pembelajaran daring.

“Saat ini kami fokus pada penyusunan ANBK yang merupakan program pemerintah pusat. “ANBK ini akan menjangkau siswa kelas 8 dan dilaksanakan pada tanggal 4 hingga 7 Oktober 2021,” kata Wakil Direktur Divisi Pendidikan Menengah Disdik Surabaya Tri Aji Nugroho, Kamis (30 September).

Aji mengatakan: Benar . Kini, timnya dan pihak sekolah fokus menata sumber daya dan infrastruktur berupa komputer. Sebab, ANBK ibarat ujian nasional berbasis komputer. Diakuinya pula Kementerian Pendidikan Surabaya sedang melatih inspektur dan administrator. “Jadi kita tanya langsung di komputer untuk mengukur kapasitas dan jumlah siswa,” kata Aji, dalam rangka pengelolaan sekolah dan menengah serta pembatalan penerimaan dan pembuatan sarana dan prasarana. Kursus sekolah juga online. Pembelajaran daring akan terus berlangsung hingga ANBK berakhir.

"Rencananya kami akan online mulai hari ini, kemungkinan Senin (11/10) untuk siswa SMA juga. . Karena ANBK sudah selesai," kata.
\ nAji mengatakan, Disdik akan tetap menerapkan protokol kesehatan yang ketat selama pelaksanaan ANBK. Bahkan, pelaksanaan ANBK ini sudah dievaluasi oleh Satgas Covid-19 Surabaya sehingga pelaksanaannya dibagi dalam beberapa tahap. Masing-masing peserta hanya berjumlah 15 siswa. section.

“Kedepannya kami akan bekerja sama dengan dinas kesehatan untuk menata kembali tim mahasiswa yang akan mengikuti ANBK ini. “Karena kami ingin siswa sehat dan bergabung dengan ANBK agar maju,” ujarnya.

Aji mengatakan penghentian sementara pembelajaran tatap muka bukan karena adanya kelompok COVID-19. Sekolah di kota Surabaya. Aji mengaku sejauh ini timnya belum menemukan adanya klaster COVID-19 di sekolah tersebut.

Wali Kota Surabaya Eri Cahyadi mengakui ada seorang siswa SD yang positif COVID-19 setelah dilakukan tes acak. Dari penyelidikan terungkap bahwa siswa tersebut merupakan siswa luar kota yang baru saja bersekolah. “Sekarang, mereka bukanlah orang-orang yang selama ini mengerjakan CPU.” Kata Eli.

Eri setuju timnya akan melakukan tes acak setiap hari, memilih beberapa siswa dari setiap kelas. Menurutnya, uji coba acak ini penting sebagai bentuk tindakan pencegahan saat mengimplementasikan CPU.

Sumber: republika.co.id

 

Kursus interaktif adalah suatu bentuk pembelajaran yang memungkinkan pengguna berinteraksi langsung dengan materi yang disajikan. Dengan kursus ini, pengguna dapat mengontrol konten, kecepatan dan hasil pembelajaran. Berbeda dengan metode pembelajaran pasif seperti ceramah atau membaca buku, kursus interaktif memungkinkan pengguna untuk berpartisipasi aktif dan mempengaruhi proses pembelajaran.

Yang dimaksud dengan interaktivitas dalam kursus ini adalah kemampuan pengguna dalam berinteraksi dengan materi. Misalnya, pengguna dapat memilih jawaban yang benar untuk sebuah kuis, mengklik link untuk membaca lebih lanjut, atau memilih topik yang ingin mereka pelajari lebih lanjut. Interaktivitas ini memungkinkan pembelajaran yang lebih efektif karena pengguna terlibat secara aktif dan memiliki pemahaman materi yang lebih baik.

Kursus interaktif memiliki keuntungan sebagai berikut:

1. Penyesuaian: Pengguna dapat memilih materi yang paling sesuai bagi mereka. Dengan cara ini, pembelajaran dapat disesuaikan dengan kebutuhan dan minat individu.
2. Pembelajaran lebih menarik: Interaksi menjadikan pembelajaran lebih menarik dan menyenangkan. Pengguna tidak hanya membaca teks, tetapi juga berpartisipasi aktif dalam proses pembelajaran.
3. Pelacakan kemajuan: Kursus interaktif sering kali dilengkapi dengan fitur pelacakan kemajuan. Pengguna dapat melihat sejauh mana mereka telah memahami materi dan mengidentifikasi area yang memerlukan perbaikan.
4. Fleksibilitas: Pengguna dapat mengakses kursus ini kapan saja, di mana saja. Hal ini memungkinkan pembelajaran lebih fleksibel dan menyesuaikan jadwal individu.

Tantangan kursus interaktif meliputi:

1. Ketergantungan pada teknologi: Kursus interaktif memerlukan akses ke komputer atau ponsel cerdas. Bagi mereka yang tidak memiliki akses tersebut, pembelajaran menjadi lebih sulit.
2. Kesulitan dalam merancang materi interaktif: Penulis kursus harus memastikan bahwa materi yang disajikan mudah diakses dan memiliki nilai pendidikan yang tinggi.
3. Terakhir, kursus interaktif merupakan metode pembelajaran yang efektif dan menarik , memungkinkan pengguna untuk berpartisipasi aktif dalam proses pembelajaran. Seiring kemajuan teknologi, kursus semacam itu menjadi semakin relevan dan berdampak positif pada pendidikan kita.

Disadur dari Artikel : en.wikipedia.org

Jakarta - Times Higher Education (THE) merilis daftar universitas terbaik dalam skema THE Asia University Rankings 2022, Rabu(1/6/2022) kemarin.

THE Asia University Rankings 2022 merupakan peringkat universitas terbaik di Asia yang disusun berdasarkan keberhasilan kinerja suatu perguruan tinggi dalam menerapkan 17 indikator kerja yang diklasifikasikan menjadi 5 golongan penilaian. Besaran indikator penilaian dikenakan dengan bobot nilai masing-masing.

Untuk indikator pemeringkatan THE Asia University Rankings 2022, terdapat 5 kelompok yang menjadi acuan utama penilaian universitas terbaik di Asia ini. Inilah penjelasan lengkap kelompok indikatornya:

1. Pengajaran (25 persen)

Mengukur lingkungan pembelajaran di setiap kampus melalui survei tentang kualitas institusi dalam memberikan pengajaran sebesar 10%, rasio tenaga pendidik dan mahasiswa 4,5%, rasio mahasiswa doktor dan sarjana 2,25%, rasio gelar doktor bagi tenaga pendidik 6%, dan pendapatan institusional 2,25%.

2. Penelitian (30 persen)

Kelompok penilaian penelitian perguruan tinggi dinilai berdasarkan survei yang diambil dari kampus lain sebesar 15%, pendapatan dari penelitian 7,5%, dan produktivitas penelitian 7,5%. Untuk mengukur produktivitas, dihitung dari jumlah paper yang diterbitkan dalam jurnal akademik yang diindeks oleh basis data Scopus Elsevier per jenjang.

3. Sitasi (30 persen)

Indikator ini menunjukkan peran universitas dalam menyebarkan pengetahuan dan ide-ide baru. Penyitasian dalam penelitian menunjukkan kontribusi universitas dalam menghasilkan paper atau jurnal yang berkualitas.

4. Penilaian internasional (7,5 persen)

Selanjutnya, penilaian universitas terbaik diambil berdasarkan rasio mahasiswa lokal dan mahasiswa internasional sebesar 2,5%, rasio tenaga pendidik lokal dan tenaga pendidik yang berasal dari negara asing 2,5%, serta kolaborasi kampus dalam skala internasional 2,5%.

5. Capaian di dunia industri (7,5 persen)

Indikator ini menunjukkan kemampuan universitas dalam memberikan transfer pengetahuan berupa inovasi, penemuan, dan konsultasi untuk membantu industri. Penilaian ini juga ditujukan untuk melihat sejauh mana bisnis bersedia membayar jasa untuk penelitian dari universitas.

Didasarkan dari penilaian tersebut, Universitas Indonesia (UI) menempati peringkat pertama dengan total skor sejumlah 32,4 - 34,6. Inilah daftar lengkap universitas terbaik di Indonesia versi THE Asia University Rankings 2022.

14 Kampus Terbaik di Indonesia Versi THE Asia University Rankings 2022

1. Universitas Indonesia (UI)

Peringkat dunia: 201-250

Skor: 32,4 -34,6

2. Institut Teknologi Bandung (ITB)

Peringkat dunia: 301-350

Skor: 27,2-29,5

3. Universitas Pendidikan Indonesia (UPI)

Peringkat dunia: 351-400

Skor: 24,9-27,1

4. Universitas Airlangga (Unair)

Peringkat dunia: 401-500

Skor: 20,9-24,8

5. Universitas Gadjah Mada (UGM)

Peringkat dunia: 401-500

Skor: 20,9-24,8

6. Universitas Hasanuddin (Unhas)

Peringkat dunia: 401-500

Skor: 20,9-24,8

7. IPB University

Peringkat dunia: 401-500

Skor: 20,9-24,8

8. Universitas Sebelas Maret (UNS)

Peringkat dunia: 401-500

Skor: 20,9-24,8

9. Institut Teknologi Sepuluh Nopember (ITS)

Peringkat dunia: 401-500

Skor: 20,9-24,8

10. Telkom University

Peringkat dunia: 401-500

Skor: 20,9-24,8

11. BINUS University

Peringkat dunia: 501+

Skor: 13,4-20,8

12. Universitas Brawijaya (UB)

Peringkat dunia: 501+

Skor: 13,4-20,8

13. Universitas Diponegoro (Undip)

Peringkat dunia: 501+

Skor: 13,4-20,8

14. Universitas Padjadjaran (Unpad)

Peringkat dunia: 501+

Skor: 13,4-20,8

Selain universitas terbaik, terdapat 5 perguruan tinggi di Indonesia yang dicantumkan di THE Asia University Rankings 2022 sebagai reporter. Perguruan tinggi reporter ialah perguruan tinggi yang menyediakan data tetapi belum mencapai eligibility criteria untuk masuk peringkat.

Kelima perguruan tinggi reporter di Indonesia dalam THE Asia University Rankings 2022 yakni Bakrie University, Universitas Negeri Surabaya, Satya Wacana Christian University, Universitas Sumatera Utara, dan Universitas Negeri Yogyakarta.

Disadur dari sumber detik.com

Simulated Annealing

Simulated Annealing (SA) adalah teknik probabilistik untuk memperkirakan maksimum global suatu fungsi tertentu. Secara khusus, ini adalah metaheuristik untuk memperkirakan optimasi global dalam ruang pencarian masalah optimasi yang besar. Untuk sejumlah besar optima lokal, SA dapat menemukan optima global. Ini sering digunakan ketika ruang pencariannya terpisah (misalnya masalah penjual keliling, masalah kepuasan logis, prediksi struktur protein, dan perencanaan lokakarya). Untuk permasalahan di mana menemukan perkiraan optimal global lebih penting daripada menemukan optimal lokal yang tepat pada waktu yang tetap, simulasi anil bisa lebih baik daripada algoritma yang tepat seperti penurunan gradien atau cabang dan batas.

Nama algoritme ini berasal dari anil dalam metalurgi, suatu teknik di mana suatu material dipanaskan dan didinginkan secara terkendali untuk mengubah sifat fisiknya. Keduanya merupakan sifat material yang bergantung pada energi bebas termodinamikanya. Bahan pemanas dan pendingin mempengaruhi suhu dan energi bebas termodinamika, atau energi Gibbs. Simulasi anil dapat diterapkan pada masalah optimasi yang sulit secara komputasi di mana algoritma yang tepat gagal; Meskipun pendekatan ini umumnya menghasilkan solusi yang mendekati nilai minimum global, namun pendekatan ini cukup untuk memecahkan banyak permasalahan praktis.Masalah yang dipecahkan oleh SA saat ini dirumuskan menggunakan fungsi tujuan multivariabel, yang tunduk pada banyak batasan matematis.Dalam praktiknya, batasan ini dapat dipandang sebagai bagian dari fungsi tujuan.

Teknik serupa telah diperkenalkan secara independen beberapa kali, termasuk Pincus (1970), Khachaturyan et al. (1979,  1981), Kirkpatrick, Gelatt dan Vecchi (1983) dan Cerny (1985). Pada tahun 1983, Kirkpatrick, Gelatt Jr., Vecchi, menggunakan pendekatan ini untuk memecahkan masalah penjual. Mereka juga menyarankan nama saat ini Simulated Annealing.

Gagasan pendinginan lambat yang diterapkan dalam algoritma simulasi anil ditafsirkan sebagai penurunan perlahan dalam kemungkinan menerima solusi yang lebih buruk seiring dengan eksplorasi ruang solusi.Menerima solusi yang lebih buruk memungkinkan pencarian solusi optimal global yang lebih komprehensif. Secara umum, algoritma simulasi anil bekerja sebagai berikut. Suhu turun dari nilai positif awal menjadi nol.

Pada setiap langkah waktu, algoritme secara acak memilih solusi yang mendekati solusi saat ini, mengukur kualitasnya, dan bergerak ke arah solusi tersebut sesuai dengan probabilitas yang bergantung pada suhu untuk memilih solusi yang lebih baik atau lebih buruk daripada tetap pada angka 1 selama pencarian
masing-masing solusi. (atau positif). ) dan menurun menuju nol.

Simulasi dapat dilakukan dengan menyelesaikan persamaan kinetik fungsi kepadatan probabilitas atau menggunakan metode stochastic sampling. Metode ini merupakan adaptasi dari algoritma Metropolis-Hastings, metode Monte Carlo untuk menghasilkan keadaan pola sistem termodinamika, yang diterbitkan oleh N. Metropolis et al. pada tahun 1953.

Gambaran umum

Keadaan suatu sistem fisik dan fungsi E(s) yang harus diminimalkan adalah analog dengan energi dalam sistem dalam keadaan tersebut. Tujuannya adalah untuk membawa sistem dari keadaan awal yang berubah-ubah ke keadaan dengan energi serendah mungkin.

Iterasi dasar
Pada setiap langkah, heuristik anil yang disimulasikan memperhitungkan beberapa keadaan tetangga s* dari keadaan s saat ini dan memutuskan secara probabilistik apakah sistem dipindahkan ke keadaan s* atau tetap dalam keadaan s. Kemungkinan ini pada akhirnya menyebabkan sistem bertransisi ke keadaan energi yang lebih rendah. Biasanya, langkah ini diulangi hingga sistem mencapai kondisi yang cukup baik untuk aplikasi atau hingga anggaran komputasi tertentu habis.

Tetangga suatu negara
Optimalisasi solusi melibatkan evaluasi tetangga dari keadaan masalah, yang merupakan keadaan baru yang diciptakan oleh perubahan konservatif pada keadaan tertentu. Misalnya, dalam masalah penjual, setiap negara bagian biasanya didefinisikan sebagai permutasi kota-kota yang akan dikunjungi, dan tetangga suatu negara bagian adalah himpunan permutasi yang dibuat dengan menukarkan kedua kota tersebut. Cara-cara perubahan negara-negara bagian yang terdefinisi dengan baik untuk menciptakan negara-negara tetangga disebut “pergerakan”, dan pergerakan yang berbeda menghasilkan kumpulan negara-negara tetangga yang berbeda. Langkah-langkah ini umumnya menghasilkan perubahan minimal pada keadaan akhir dalam upaya untuk meningkatkan solusi secara bertahap melalui perbaikan berulang pada bagian-bagiannya (misalnya koneksi kota dalam masalah penjual).

Tidak ada jaminan bahwa heuristik sederhana seperti pendakian bukit, yang bergerak mencari satu demi satu tetangga terbaik dan berhenti ketika mereka telah mencapai solusi yang tidak ada tetangganya, akan menjadi solusi yang lebih baik, tidak dapat dijamin akan mengarah pada solusi yang lebih baik. solusi terbaik yang ada; Hasilnya mungkin hanya berupa optimum lokal, sedangkan solusi terbaik sebenarnya adalah optimum global, yang mungkin berbeda-beda.

Metaheuristik menggunakan tetangga suatu solusi untuk mengeksplorasi ruang solusi. Meskipun mereka lebih memilih tetangga yang lebih baik, mereka juga menerima tetangga yang lebih buruk agar tidak terjebak dalam optimal lokal. Mereka dapat menemukan titik optimal global jika dijalankan dalam jangka waktu yang cukup lama.

Jadwal Annealing

suatu algoritma yang memerlukan integrasi fungsi-fungsi yang berkaitan dengan fluktuasi suhu ke dalam karakteristik operasinya. Algoritma ini memerlukan penurunan suhu secara bertahap selama simulasi, dimulai dari suhu tinggi dan kemudian menurun pada setiap langkah sesuai dengan jadwal anil yang dapat ditentukan pengguna. Pendekatan ini memungkinkan sistem untuk pertama-tama menjelajahi wilayah ruang pencarian yang luas, mengabaikan
fitur kecil dari fungsi energi, kemudian bergerak menuju wilayah energi rendah yang semakin sempit, dan akhirnya turun sesuai dengan heuristik penurunan paling curam.

Meskipun bersifat teoritis, kemungkinan algoritma ini mencapai solusi optimal global meningkat hingga mendekati 1 seiring dengan perluasan program anil untuk setiap permasalahan yang terbatas. Namun, hasil teoritis ini penggunaannya terbatas karena waktu yang diperlukan untuk mencapai keberhasilan yang signifikan kemungkinan besar melebihi waktu yang diperlukan untuk melakukan pencarian menyeluruh dalam ruang solusi.

Disadur dari: en.wikipedia.org

Tesis sarjana karya Vladimir Koskin dan Thi Thuy Van Nguyen yang berjudul "The Impact of Industry 4.0 on Supply Chain Management" membahas dampak revolusi industri keempat dan teknologi terkait pada manajemen rantai pasok (SCM). Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis dampak Industri 4.0 pada SCM serta memberikan rekomendasi bagi usaha kecil dan menengah (UKM).

 

 Latar Belakang dan Motivasi Penelitian

Koskin dan Nguyen memulai dengan menggambarkan evolusi industri dari masa lalu hingga era Industri 4.0. Mereka menyoroti bagaimana setiap revolusi industri membawa perubahan signifikan dalam cara barang diproduksi dan didistribusikan. Motivasi penelitian ini berakar pada pengakuan bahwa Industri 4.0, dengan teknologi-teknologi canggihnya, memiliki potensi untuk mengubah secara fundamental cara SCM beroperasi.

Penelitian ini relevan karena SCM menjadi semakin kompleks dan penting dalam ekonomi global. Perusahaan-perusahaan yang dapat mengoptimalkan rantai pasok mereka memiliki keunggulan kompetitif yang signifikan. Industri 4.0 menawarkan alat dan teknologi yang dapat membantu perusahaan mencapai optimasi ini, tetapi implementasinya memerlukan pemahaman yang mendalam tentang implikasi dan tantangan yang terlibat.

 

 Kerangka Teoretis

Tesis ini dibangun di atas kerangka teoretis yang menggabungkan konsep-konsep dari SCM dan Industri 4.0. Penulis membahas berbagai teknologi yang terkait dengan Industri 4.0, termasuk  robot, kecerdasan buatan (AI), big data, komputasi awan, augmented reality, cybersecurity, Internet of Things (IoT), dan additive manufacturing . Mereka menjelaskan bagaimana teknologi-teknologi ini dapat diterapkan dalam berbagai aspek SCM, mulai dari perencanaan dan pengadaan hingga manufaktur, pengendalian inventaris, pengiriman, dan layanan pelanggan.

 

 Metodologi Penelitian

Penelitian ini menggunakan pendekatan kuantitatif dengan memanfaatkan data sekunder dari artikel internet dan buku-buku. Pendekatan ini memungkinkan penulis untuk menganalisis tren dan pola yang lebih luas dalam implementasi Industri 4.0 di berbagai sektor dan perusahaan.

 

 Temuan Penelitian Utama

Salah satu temuan utama dari penelitian ini adalah bahwa  Industri 4.0 memiliki dampak signifikan pada rantai pasok , memungkinkan rantai pasok beroperasi secara *real-time* dengan gangguan manusia sesedikit mungkin. Namun, penulis mencatat bahwa implementasi Industri 4.0 saat ini masih dalam tahap awal, dan tingkat implementasinya masih relatif kecil.

Penelitian ini juga menyoroti bahwa  UKM dan perusahaan besar memiliki metode implementasi teknologi yang berbeda , yang disebabkan oleh perbedaan sumber daya yang tersedia. UKM seringkali menghadapi tantangan yang lebih besar dalam mengadopsi teknologi Industri 4.0 karena keterbatasan anggaran dan kurangnya keahlian internal.

 

 Studi Kasus dan Angka-Angka

Tesis ini menyajikan analisis tentang implementasi teknologi di dua perusahaan besar,  Amazon dan Walmart .

 

*    Amazon:  Koskin dan Nguyen menyoroti penggunaan robotika dan otomatisasi yang ekstensif di gudang Amazon. Amazon telah menginvestasikan banyak uang dalam robot untuk mempercepat proses pemenuhan pesanan dan mengurangi biaya tenaga kerja.

*    Walmart:  Penulis membahas penggunaan teknologi blockchain oleh Walmart untuk meningkatkan transparansi dan ketertelusuran dalam rantai pasok makanan mereka. Walmart dapat melacak asal dan pergerakan produk makanan dengan lebih akurat, yang membantu meningkatkan keamanan pangan dan mengurangi pemborosan.

Sayangnya, tesis ini tidak memberikan angka-angka spesifik mengenai dampak keuangan dari implementasi teknologi di Amazon dan Walmart. Namun, penulis mencatat bahwa kedua perusahaan telah mencapai peningkatan efisiensi dan pengurangan biaya yang signifikan berkat adopsi Industri 4.0.

 

 Analisis SWOT dan Pandemi COVID-19

Tesis ini juga menyertakan analisis SWOT (Strengths, Weaknesses, Opportunities, Threats) untuk mengevaluasi posisi Industri 4.0 dalam konteks SCM. Analisis ini menyoroti kekuatan Industri 4.0, seperti peningkatan efisiensi dan visibilitas, serta kelemahannya, seperti biaya implementasi yang tinggi dan risiko keamanan siber. Peluang yang diidentifikasi meliputi peningkatan kolaborasi dan inovasi, sementara ancaman termasuk gangguan rantai pasok dan perubahan regulasi.

 

Penulis juga membahas bagaimana pandemi COVID-19 telah mempercepat adopsi teknologi Industri 4.0 dalam SCM. Pandemi ini telah mengungkapkan kerentanan rantai pasok tradisional dan mendorong perusahaan untuk mencari solusi yang lebih tangguh dan fleksibel. Teknologi seperti IoT dan AI telah membantu perusahaan memantau dan mengelola rantai pasok mereka dari jarak jauh, mengurangi gangguan, dan merespons perubahan permintaan dengan lebih cepat.

 

 Rekomendasi Implementasi

Berdasarkan temuan mereka, Koskin dan Nguyen memberikan beberapa rekomendasi untuk UKM yang ingin mengimplementasikan teknologi Industri 4.0 dalam SCM mereka:

 

*    Fokus pada area yang paling berdampak:  UKM harus memprioritaskan implementasi teknologi di area-area yang menawarkan potensi pengembalian investasi (ROI) tertinggi. Misalnya, mereka dapat mulai dengan mengotomatiskan tugas-tugas rutin atau meningkatkan visibilitas inventaris.

*    Membangun kemitraan strategis:  UKM dapat bermitra dengan penyedia teknologi atau konsultan untuk mendapatkan akses ke keahlian dan sumber daya yang mereka butuhkan.

*    Melatih karyawan:  UKM harus berinvestasi dalam pelatihan karyawan untuk memastikan bahwa mereka memiliki keterampilan dan pengetahuan yang diperlukan untuk menggunakan teknologi baru.

*    Mengadopsi pendekatan bertahap:  UKM harus mengimplementasikan teknologi Industri 4.0 secara bertahap, mulai dengan proyek-proyek kecil dan kemudian memperluasnya seiring waktu.

 

 Keterbatasan dan Penelitian Mendatang

Penulis mengakui bahwa penelitian mereka memiliki beberapa keterbatasan. Pertama, penelitian ini didasarkan pada data sekunder, yang mungkin tidak selalu akurat atau relevan. Kedua, penelitian ini hanya berfokus pada dua perusahaan besar (Amazon dan Walmart), sehingga temuan tersebut mungkin tidak dapat digeneralisasikan ke semua perusahaan.

Untuk penelitian mendatang, Koskin dan Nguyen merekomendasikan untuk melakukan studi kasus yang lebih mendalam di berbagai UKM untuk memahami tantangan dan peluang implementasi Industri 4.0 secara lebih rinci. Mereka juga merekomendasikan untuk menyelidiki dampak teknologi Industri 4.0 lainnya, seperti blockchain dan augmented reality, pada SCM.

 

 Kesimpulan

Secara keseluruhan, tesis "The Impact of Industry 4.0 on Supply Chain Management" memberikan kontribusi yang berharga bagi pemahaman kita tentang bagaimana teknologi Industri 4.0 mengubah SCM. Penelitian ini menyoroti potensi Industri 4.0 untuk meningkatkan efisiensi, visibilitas, dan ketahanan rantai pasok, tetapi juga mengakui tantangan yang terkait dengan implementasi teknologi baru. Rekomendasi yang diberikan oleh penulis dapat membantu UKM membuat keputusan yang lebih tepat mengenai investasi Industri 4.0 mereka.

 

 Sumber Artikel: Koskin, V., & Nguyen, T. T. V. (2021). The Impact of Industry 4.0 on supply chain management. LAB University of Applied Sciences.

 

Desain pembelajaran adalah praktik pengorganisasian media dan konten teknologi komunikasi untuk memfasilitasi komunikasi efektif antara guru dan siswa. Proses tersebut terdiri dari menentukan kondisi dasar pemahaman siswa, merumuskan tujuan pembelajaran, dan mengembangkan “perlakuan” berbasis media untuk memudahkan transisi. Idealnya, proses ini didasarkan pada teori pembelajaran yang telah teruji secara pedagogis dan dapat terjadi pada siswa secara individu, di bawah pengawasan guru, atau dalam masyarakat. Hasil pembelajaran ini dapat langsung diamati dan diukur secara ilmiah, atau disembunyikan sama sekali dan hanya berupa asumsi.

Perencanaan pembelajaran dapat dimaknai dari berbagai sudut pandang, sebagai suatu disiplin ilmu, sebagai ilmu pengetahuan, sebagai suatu sistem dan suatu proses. . Sebagai suatu ilmu, desain pembelajaran berkaitan dengan kajian dan teori tentang berbagai strategi serta proses pengembangan dan pelaksanaan pembelajaran. Sebagai ilmu, desain pembelajaran merupakan ilmu untuk menciptakan spesifikasi pengembangan, pelaksanaan, penilaian, serta pengelolaan situasi yang memberikan fasilitas pelayanan pembelajaran dalam skala makro dan mikro untuk berbagai mata pelajaran pada berbagai tingkatan. Sebagai sistem, desain pembelajaran merupakan pengembangan sistem pembelajaran dan sistem pelaksanaannya termasuk sarana serta prosedur untuk meningkatkan mutu belajar.

Sebagai suatu disiplin, desain pembelajaran secara historis dan tradisional berakar pada psikologi kognitif dan perilaku. Namun istilah ini sering dihubungkan dengan istilah yang berbeda dalam bidang lain, misalnya dengan istilah desain grafis. Walaupun desain grafis (dari perspektif kognitif) dapat memainkan peran penting dalam desain pembelajaran, tetapi keduanya adalah konsep yang terpisah.

Banyak dasar dari bidang desain pembelajaran yang diletakan saat Perang Dunia II, saat militer Amerika Serikat merasakan adanya kebutuhan untuk melatih dengan cepat sejumlah besar orang untuk melakukan tugas teknis yang rumit dalam bidang kemiliteran. Berdasarkan penelitian dan teori dari B.F. Skinner tentang operant conditioning, program pelatihan difokuskan pada perilaku yang tampak. Latihan dibagi menjadi beberapa bagian, dan setiap bagian latihan diperlakukan sebagai tujuan pembelajaran tersendiri. Pelatihan dirancang untuk memberi penghargaan pada tampilan yang benar dan memberikan koreksi untuk tampilan yang salah. Semua siswa diharapkan mampu memperoleh keterampilan jika diberi kesempatan pengulangan yang cukup dan umpan balik yang memadai. Setelah perang, keberhasilan model pendidikan masa perang terulang kembali dalam pendidikan komersial dan industri, pada tingkat lebih rendah di kelas dasar dan menengah.

1955. Benjamin S. Bloom menerbitkan taksonomi tiga bidang studi. Sasaran: Kognitif (apa yang kita ketahui atau pikirkan), afektif (apa yang kita rasakan atau sikap yang kita miliki), dan psikomotorik (apa yang kita lakukan). Taksonomi ini masih berpengaruh terhadap desain pembelajaran.

Dalam pertengahan kedua pada abad ke-20, teori belajar mulai dipengaruhi oleh perkembangan komputer digital.

Dalam tahun 1970-an, banyak pembuat teori mulai mengadopsi pendekatan "pemrosesan informasi" dalam desain pembelajaran. David Merrill misalnya mengembangkan Component Display Theory (CDT). Teori tersebut berkonsentrasi pada cara mempresentasikan materi pembelajaran (teknik presentasi).

Sumber: id.wikipedia.org