APLIKASI SUPERVISI PEMBELAJARAN DEEP LEARNING, PROGRAM DAN LAPORAN SUPERVISI

Supervisi pembelajaran merupakan kegiatan pembinaan profesional yang dilakukan untuk membantu guru meningkatkan kualitas proses belajar mengajar. Dalam konteks pembelajaran deep learning atau pembelajaran mendalam, supervisi tidak hanya berfokus pada penilaian kinerja guru secara administratif, tetapi juga pada pendampingan agar guru mampu menciptakan pembelajaran yang bermakna, menyenangkan, dan berorientasi pada pengembangan kompetensi peserta didik secara utuh.

Pembelajaran deep learning menekankan pada proses berpikir tingkat tinggi, seperti kemampuan analisis, sintesis, evaluasi, dan penerapan pengetahuan dalam situasi nyata. Oleh karena itu, supervisi pembelajaran harus diarahkan untuk membantu guru merancang pengalaman belajar yang mendorong siswa memahami konsep secara mendalam, bukan sekadar menghafal informasi.

Dalam praktiknya, supervisi deep learning dilakukan melalui pendekatan kolaboratif dan reflektif. Supervisor berperan sebagai mitra profesional yang membantu guru mengevaluasi dan memperbaiki praktik pembelajaran. Kegiatan ini bisa meliputi observasi kelas, diskusi reflektif, hingga pelatihan penggunaan strategi pembelajaran yang berpusat pada peserta didik.

Supervisor juga perlu memastikan bahwa guru menerapkan prinsip joyful, meaningful, dan mindful learning. Joyful learning membuat suasana kelas menyenangkan dan menumbuhkan semangat belajar; meaningful learning memastikan peserta didik memahami makna dari apa yang dipelajari dan mampu mengaitkannya dengan kehidupan nyata; sedangkan mindful learning membantu siswa dan guru sama-sama hadir secara sadar dalam proses belajar, tidak sekadar menjalankan rutinitas.

Selain itu, supervisi pembelajaran deep learning menuntut penggunaan data hasil belajar dan umpan balik peserta didik sebagai dasar perbaikan. Dengan analisis data ini, guru dapat mengetahui sejauh mana pembelajaran telah berdampak pada kemampuan berpikir kritis, kolaborasi, dan kreativitas siswa.

Pada akhirnya, supervisi pembelajaran deep learning bukan sekadar menilai, melainkan menginspirasi perubahan menuju pembelajaran yang bermakna dan berkelanjutan. Melalui supervisi yang humanis, reflektif, dan inovatif, kualitas pendidikan dapat meningkat, dan profil pelajar Pancasila dapat terwujud dalam kehidupan nyata.

Silahkan download file Supervisi di bawah ini (Klik pertama dan kedua akan muncul Iklan, lalu kembali ke halaman semula dan klik kedua akan muncul link ke Google Drive untuk di download)

- File Aplikasi Sepervisi Deep Learning

- File Program Supervisi & Laporan Supervisi

Perangkat Pembelajaran yang lain : 

Deep Learning KBC Madrasah Aliyah (MA):

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 12 MA

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 11 MA

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 10 MA

Deep Learning KBC Madrasah Tsanawiyah (MTs):

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 9 MTs

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 8 MTs

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 7 MTs

Perangkat Deep Learning SMK :

Link Perangkat Deep Learning Kls 10 SMK

Link Perangkat Deep Learning Kls 11 SMK

Link Perangkat Deep Learning Kls 12 SMK

Perangkat Deep Learning SMA/MA :

Link Perangkat Deep Learning Kls 10 SMA/MA

Link Perangkat Deep Learning Kls 11 SMA/MA

Link Perangkat Deep Learning Kls 12 SMA/MA

Perangkat Deep Learning SMP/MTs :

Link Perangkat Deep Learning Kls 7 SMP/MTS

Link Perangkat Deep Learning Kls 8 SMP/MTS

Link Perangkat Deep Learning Kls 9 SMP/MTS

Perangkat Deep Learning SD/MI :

Link Perangkat Deep Learning Kls 1 - 6  SD/MI

Kokurikuler

Prota/Prosem Kls 1-6 SD/MI

Asesmen Diagnostik

Link Administrasi dan Bukti Dukung Akreditasi :

Bukti Dukung Akreditasi Komponen I

Bukti Dukung Akreditasi Komponen II

Bukti Dukung Akreditasi Komponen II

Panduan Akreditasi

Deskripsi Asesi

Bukti Kinerja yang diupload di DKA Sispena

PERANGKAT PEMBELAJARAN AL-QUR'AN HADIS KELAS VI MI DEEP LEARNING KBC

 Deep Learning sering kali dianggap sebagai topik yang kompleks dan menakutkan, dipenuhi dengan istilah-istilah matematis dan algoritma yang rumit. Namun, dengan pendekatan yang tepat, pembelajaran Deep Learning dapat diubah menjadi perjalanan yang meaningful (bermakna), mindful (sadar), dan joyful (menyenangkan). Modul ajar ini dirancang untuk mencapai tujuan tersebut, tidak hanya untuk mengajarkan teori dan kode, tetapi juga untuk membangun pemahaman yang mendalam dan gairah yang berkelanjutan.

1. Meaningful (Bermakna): Menghubungkan Teori dengan Dunia Nyata

Pembelajaran menjadi bermakna ketika siswa dapat melihat relevansi langsung dari apa yang mereka pelajari. Alih-alih hanya membahas arsitektur jaringan saraf, modul ini akan selalu mengaitkan setiap konsep dengan aplikasi praktis di dunia nyata.

• Studi Kasus Berbasis Proyek: Setiap bab akan dimulai dengan sebuah masalah nyata. Misalnya, sebelum mempelajari Convolutional Neural Networks (CNNs), siswa akan diperkenalkan dengan tantangan klasifikasi gambar, seperti mengidentifikasi jenis-jenis hewan dari foto. Ini memberikan konteks yang kuat dan tujuan yang jelas.

• Data Set yang Relevan: Penggunaan data set yang akrab bagi siswa—seperti gambar-gambar produk, teks ulasan media sosial, atau data cuaca—akan membuat proses eksplorasi data terasa lebih personal dan relevan.

• Diskusi Etika dan Dampak Sosial: Modul ini juga akan menyertakan sesi diskusi tentang dampak etis dan sosial dari Deep Learning, seperti bias dalam algoritma, privasi data, dan potensi penggunaannya untuk kebaikan atau keburukan. Ini membantu siswa tidak hanya menjadi praktisi yang mahir, tetapi juga warga digital yang bertanggung jawab.

2. Mindful (Sadar): Membangun Pemahaman yang Mendalam

Pendekatan mindful dalam pembelajaran Deep Learning berarti memberikan perhatian penuh pada proses, bukan hanya pada hasil. Ini mendorong siswa untuk merenungkan, bereksperimen, dan memahami "mengapa" di balik "bagaimana".

• Belajar dari Kegagalan: Siswa didorong untuk melihat error dan bug bukan sebagai kegagalan, melainkan sebagai peluang belajar. Modul ini akan menyertakan tantangan di mana siswa harus sengaja membuat model yang buruk dan kemudian menganalisis mengapa model tersebut gagal.

• Jurnal Pembelajaran: Siswa akan diminta untuk membuat jurnal harian atau mingguan. Di sini, mereka akan mencatat pemahaman, tantangan, dan solusi yang mereka temukan. Ini melatih kemampuan metakognitif (berpikir tentang cara mereka berpikir) dan membantu mereka melacak kemajuan pribadi.

• Visualisasi adalah Kunci: Konsep abstrak seperti gradient descent atau backpropagation akan dijelaskan melalui visualisasi interaktif dan analogi sederhana. Tujuannya adalah agar siswa dapat "melihat" bagaimana algoritma bekerja, bukan hanya menghafal rumusnya.

3. Joyful (Menyenangkan): Menciptakan Pengalaman Belajar yang Positif

Pembelajaran yang menyenangkan adalah pembelajaran yang tidak terasa seperti beban. Modul ini berupaya menciptakan lingkungan yang positif dan menarik melalui gamifikasi dan kolaborasi.

• Gamifikasi Pembelajaran: Tantangan-tantangan dalam modul dapat dikemas dalam bentuk kompetisi persahabatan atau leaderboard (papan peringkat) di mana siswa berlomba-lomba untuk mencapai akurasi tertinggi pada suatu data set. Kuis interaktif dan puzzles terkait kode juga dapat disertakan.

• Proyek Kolaboratif: Siswa akan bekerja dalam tim untuk menyelesaikan proyek akhir. Hal ini mendorong kolaborasi, berbagi pengetahuan, dan membangun komunitas. Mereka akan belajar dari satu sama lain dan merasakan kepuasan saat berhasil membangun sesuatu bersama.

• Perayaan Keberhasilan: Setiap kali siswa berhasil menyelesaikan sebuah tantangan, bahkan yang kecil sekalipun, akan ada momen pengakuan. Ini bisa berupa badge digital atau shout-out dari pengajar. Merayakan pencapaian, sekecil apa pun, akan meningkatkan motivasi dan kepercayaan diri siswa.

Silahkan download di bawah ini (Klik pertama akan muncul Iklan, lalu kembali ke halaman semula dan klik kedua akan muncul link ke Google Drive untuk di download)

Perangkat Qurdis kls 6 MI :

- Modul Ajar Qurdis 6

- CP Qurdis 6

- ATP Qurdis 6

- KKTP Qurdis 6

- Prota Qurdis 6

- Promes Qurdis 6

Perangkat Pembelajaran yang lain : 

Deep Learning KBC Madrasah Aliyah (MA):

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 12 MA

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 11 MA

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 10 MA

Deep Learning KBC Madrasah Tsanawiyah (MTs):

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 9 MTs

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 8 MTs

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 7 MTs

Deep Learning KBC Madrasah Ibtidaiyah (MI) :

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 1 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 2 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 3 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 4 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 5 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 6 MI

Perangkat Deep Learning SMK :

Link Perangkat Deep Learning Kls 10 SMK

Link Perangkat Deep Learning Kls 11 SMK

Link Perangkat Deep Learning Kls 12 SMK

Perangkat Deep Learning SMA/MA :

Link Perangkat Deep Learning Kls 10 SMA/MA

Link Perangkat Deep Learning Kls 11 SMA/MA

Link Perangkat Deep Learning Kls 12 SMA/MA

Perangkat Deep Learning SMP/MTs :

Link Perangkat Deep Learning Kls 7 SMP/MTS

Link Perangkat Deep Learning Kls 8 SMP/MTS

Link Perangkat Deep Learning Kls 9 SMP/MTS

Perangkat Deep Learning SD/MI :

Link Perangkat Deep Learning Kls 1 - 6  SD/MI

Kokurikuler

Prota/Prosem Kls 1-6 SD/MI

Asesmen Diagnostik

Link Administrasi dan Bukti Dukung Akreditasi :

Bukti Dukung Akreditasi Komponen I

Bukti Dukung Akreditasi Komponen II

Bukti Dukung Akreditasi Komponen II

Panduan Akreditasi

Deskripsi Asesi

Bukti Kinerja yang diupload di DKA Sispena

PERANGKAT PEMBELAJARAN FIKIH KELAS VI MI DEEP LEARNING KBC

 Deep Learning sering kali dianggap sebagai topik yang kompleks dan menakutkan, dipenuhi dengan istilah-istilah matematis dan algoritma yang rumit. Namun, dengan pendekatan yang tepat, pembelajaran Deep Learning dapat diubah menjadi perjalanan yang meaningful (bermakna), mindful (sadar), dan joyful (menyenangkan). Modul ajar ini dirancang untuk mencapai tujuan tersebut, tidak hanya untuk mengajarkan teori dan kode, tetapi juga untuk membangun pemahaman yang mendalam dan gairah yang berkelanjutan.

1. Meaningful (Bermakna): Menghubungkan Teori dengan Dunia Nyata

Pembelajaran menjadi bermakna ketika siswa dapat melihat relevansi langsung dari apa yang mereka pelajari. Alih-alih hanya membahas arsitektur jaringan saraf, modul ini akan selalu mengaitkan setiap konsep dengan aplikasi praktis di dunia nyata.

• Studi Kasus Berbasis Proyek: Setiap bab akan dimulai dengan sebuah masalah nyata. Misalnya, sebelum mempelajari Convolutional Neural Networks (CNNs), siswa akan diperkenalkan dengan tantangan klasifikasi gambar, seperti mengidentifikasi jenis-jenis hewan dari foto. Ini memberikan konteks yang kuat dan tujuan yang jelas.

• Data Set yang Relevan: Penggunaan data set yang akrab bagi siswa—seperti gambar-gambar produk, teks ulasan media sosial, atau data cuaca—akan membuat proses eksplorasi data terasa lebih personal dan relevan.

• Diskusi Etika dan Dampak Sosial: Modul ini juga akan menyertakan sesi diskusi tentang dampak etis dan sosial dari Deep Learning, seperti bias dalam algoritma, privasi data, dan potensi penggunaannya untuk kebaikan atau keburukan. Ini membantu siswa tidak hanya menjadi praktisi yang mahir, tetapi juga warga digital yang bertanggung jawab.

2. Mindful (Sadar): Membangun Pemahaman yang Mendalam

Pendekatan mindful dalam pembelajaran Deep Learning berarti memberikan perhatian penuh pada proses, bukan hanya pada hasil. Ini mendorong siswa untuk merenungkan, bereksperimen, dan memahami "mengapa" di balik "bagaimana".

• Belajar dari Kegagalan: Siswa didorong untuk melihat error dan bug bukan sebagai kegagalan, melainkan sebagai peluang belajar. Modul ini akan menyertakan tantangan di mana siswa harus sengaja membuat model yang buruk dan kemudian menganalisis mengapa model tersebut gagal.

• Jurnal Pembelajaran: Siswa akan diminta untuk membuat jurnal harian atau mingguan. Di sini, mereka akan mencatat pemahaman, tantangan, dan solusi yang mereka temukan. Ini melatih kemampuan metakognitif (berpikir tentang cara mereka berpikir) dan membantu mereka melacak kemajuan pribadi.

• Visualisasi adalah Kunci: Konsep abstrak seperti gradient descent atau backpropagation akan dijelaskan melalui visualisasi interaktif dan analogi sederhana. Tujuannya adalah agar siswa dapat "melihat" bagaimana algoritma bekerja, bukan hanya menghafal rumusnya.

3. Joyful (Menyenangkan): Menciptakan Pengalaman Belajar yang Positif

Pembelajaran yang menyenangkan adalah pembelajaran yang tidak terasa seperti beban. Modul ini berupaya menciptakan lingkungan yang positif dan menarik melalui gamifikasi dan kolaborasi.

• Gamifikasi Pembelajaran: Tantangan-tantangan dalam modul dapat dikemas dalam bentuk kompetisi persahabatan atau leaderboard (papan peringkat) di mana siswa berlomba-lomba untuk mencapai akurasi tertinggi pada suatu data set. Kuis interaktif dan puzzles terkait kode juga dapat disertakan.

• Proyek Kolaboratif: Siswa akan bekerja dalam tim untuk menyelesaikan proyek akhir. Hal ini mendorong kolaborasi, berbagi pengetahuan, dan membangun komunitas. Mereka akan belajar dari satu sama lain dan merasakan kepuasan saat berhasil membangun sesuatu bersama.

• Perayaan Keberhasilan: Setiap kali siswa berhasil menyelesaikan sebuah tantangan, bahkan yang kecil sekalipun, akan ada momen pengakuan. Ini bisa berupa badge digital atau shout-out dari pengajar. Merayakan pencapaian, sekecil apa pun, akan meningkatkan motivasi dan kepercayaan diri siswa.

Silahkan download di bawah ini (Klik pertama akan muncul Iklan, lalu kembali ke halaman semula dan klik kedua akan muncul link ke Google Drive untuk di download)

Perangkat Fikih kls 6 MI :

- Modul Ajar Fikih 6

- CP Fikih 6

- ATP Fikih 6

- KKTP Fikih 6

- Prota Fikih 6

- Promes Fikih 6

Perangkat Pembelajaran yang lain : 

Deep Learning KBC Madrasah Aliyah (MA):

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 12 MA

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 11 MA

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 10 MA

Deep Learning KBC Madrasah Tsanawiyah (MTs):

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 9 MTs

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 8 MTs

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 7 MTs

Deep Learning KBC Madrasah Ibtidaiyah (MI) :

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 1 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 2 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 3 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 4 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 5 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 6 MI

Perangkat Deep Learning SMK :

Link Perangkat Deep Learning Kls 10 SMK

Link Perangkat Deep Learning Kls 11 SMK

Link Perangkat Deep Learning Kls 12 SMK

Perangkat Deep Learning SMA/MA :

Link Perangkat Deep Learning Kls 10 SMA/MA

Link Perangkat Deep Learning Kls 11 SMA/MA

Link Perangkat Deep Learning Kls 12 SMA/MA

Perangkat Deep Learning SMP/MTs :

Link Perangkat Deep Learning Kls 7 SMP/MTS

Link Perangkat Deep Learning Kls 8 SMP/MTS

Link Perangkat Deep Learning Kls 9 SMP/MTS

Perangkat Deep Learning SD/MI :

Link Perangkat Deep Learning Kls 1 - 6  SD/MI

Kokurikuler

Prota/Prosem Kls 1-6 SD/MI

Asesmen Diagnostik

Link Administrasi dan Bukti Dukung Akreditasi :

Bukti Dukung Akreditasi Komponen I

Bukti Dukung Akreditasi Komponen II

Bukti Dukung Akreditasi Komponen II

Panduan Akreditasi

Deskripsi Asesi

Bukti Kinerja yang diupload di DKA Sispena

PERANGKAT PEMBELAJARAN SKI KELAS VI MI DEEP LEARNING KBC

Deep Learning sering kali dianggap sebagai topik yang kompleks dan menakutkan, dipenuhi dengan istilah-istilah matematis dan algoritma yang rumit. Namun, dengan pendekatan yang tepat, pembelajaran Deep Learning dapat diubah menjadi perjalanan yang meaningful (bermakna), mindful (sadar), dan joyful (menyenangkan). Modul ajar ini dirancang untuk mencapai tujuan tersebut, tidak hanya untuk mengajarkan teori dan kode, tetapi juga untuk membangun pemahaman yang mendalam dan gairah yang berkelanjutan.

1. Meaningful (Bermakna): Menghubungkan Teori dengan Dunia Nyata

Pembelajaran menjadi bermakna ketika siswa dapat melihat relevansi langsung dari apa yang mereka pelajari. Alih-alih hanya membahas arsitektur jaringan saraf, modul ini akan selalu mengaitkan setiap konsep dengan aplikasi praktis di dunia nyata.

• Studi Kasus Berbasis Proyek: Setiap bab akan dimulai dengan sebuah masalah nyata. Misalnya, sebelum mempelajari Convolutional Neural Networks (CNNs), siswa akan diperkenalkan dengan tantangan klasifikasi gambar, seperti mengidentifikasi jenis-jenis hewan dari foto. Ini memberikan konteks yang kuat dan tujuan yang jelas.

• Data Set yang Relevan: Penggunaan data set yang akrab bagi siswa—seperti gambar-gambar produk, teks ulasan media sosial, atau data cuaca—akan membuat proses eksplorasi data terasa lebih personal dan relevan.

• Diskusi Etika dan Dampak Sosial: Modul ini juga akan menyertakan sesi diskusi tentang dampak etis dan sosial dari Deep Learning, seperti bias dalam algoritma, privasi data, dan potensi penggunaannya untuk kebaikan atau keburukan. Ini membantu siswa tidak hanya menjadi praktisi yang mahir, tetapi juga warga digital yang bertanggung jawab.

2. Mindful (Sadar): Membangun Pemahaman yang Mendalam

Pendekatan mindful dalam pembelajaran Deep Learning berarti memberikan perhatian penuh pada proses, bukan hanya pada hasil. Ini mendorong siswa untuk merenungkan, bereksperimen, dan memahami "mengapa" di balik "bagaimana".

• Belajar dari Kegagalan: Siswa didorong untuk melihat error dan bug bukan sebagai kegagalan, melainkan sebagai peluang belajar. Modul ini akan menyertakan tantangan di mana siswa harus sengaja membuat model yang buruk dan kemudian menganalisis mengapa model tersebut gagal.

• Jurnal Pembelajaran: Siswa akan diminta untuk membuat jurnal harian atau mingguan. Di sini, mereka akan mencatat pemahaman, tantangan, dan solusi yang mereka temukan. Ini melatih kemampuan metakognitif (berpikir tentang cara mereka berpikir) dan membantu mereka melacak kemajuan pribadi.

• Visualisasi adalah Kunci: Konsep abstrak seperti gradient descent atau backpropagation akan dijelaskan melalui visualisasi interaktif dan analogi sederhana. Tujuannya adalah agar siswa dapat "melihat" bagaimana algoritma bekerja, bukan hanya menghafal rumusnya.

3. Joyful (Menyenangkan): Menciptakan Pengalaman Belajar yang Positif

Pembelajaran yang menyenangkan adalah pembelajaran yang tidak terasa seperti beban. Modul ini berupaya menciptakan lingkungan yang positif dan menarik melalui gamifikasi dan kolaborasi.

• Gamifikasi Pembelajaran: Tantangan-tantangan dalam modul dapat dikemas dalam bentuk kompetisi persahabatan atau leaderboard (papan peringkat) di mana siswa berlomba-lomba untuk mencapai akurasi tertinggi pada suatu data set. Kuis interaktif dan puzzles terkait kode juga dapat disertakan.

• Proyek Kolaboratif: Siswa akan bekerja dalam tim untuk menyelesaikan proyek akhir. Hal ini mendorong kolaborasi, berbagi pengetahuan, dan membangun komunitas. Mereka akan belajar dari satu sama lain dan merasakan kepuasan saat berhasil membangun sesuatu bersama.

• Perayaan Keberhasilan: Setiap kali siswa berhasil menyelesaikan sebuah tantangan, bahkan yang kecil sekalipun, akan ada momen pengakuan. Ini bisa berupa badge digital atau shout-out dari pengajar. Merayakan pencapaian, sekecil apa pun, akan meningkatkan motivasi dan kepercayaan diri siswa.

Silahkan download di bawah ini (Klik pertama akan muncul Iklan, lalu kembali ke halaman semula dan klik kedua akan muncul link ke Google Drive untuk di download)

Perangkat SKI kls 6 MI :

- Modul Ajar SKI 6

- CP SKI 6

- ATP SKI 6

- KKTP SKI 6

- Prota SKI 6

- Promes SKI 6

Perangkat Pembelajaran yang lain : 

Deep Learning KBC Madrasah Aliyah (MA):

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 12 MA

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 11 MA

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 10 MA

Deep Learning KBC Madrasah Tsanawiyah (MTs):

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 9 MTs

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 8 MTs

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 7 MTs

Deep Learning KBC Madrasah Ibtidaiyah (MI) :

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 1 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 2 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 3 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 4 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 5 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 6 MI

Perangkat Deep Learning SMK :

Link Perangkat Deep Learning Kls 10 SMK

Link Perangkat Deep Learning Kls 11 SMK

Link Perangkat Deep Learning Kls 12 SMK

Perangkat Deep Learning SMA/MA :

Link Perangkat Deep Learning Kls 10 SMA/MA

Link Perangkat Deep Learning Kls 11 SMA/MA

Link Perangkat Deep Learning Kls 12 SMA/MA

Perangkat Deep Learning SMP/MTs :

Link Perangkat Deep Learning Kls 7 SMP/MTS

Link Perangkat Deep Learning Kls 8 SMP/MTS

Link Perangkat Deep Learning Kls 9 SMP/MTS

Perangkat Deep Learning SD/MI :

Link Perangkat Deep Learning Kls 1 - 6  SD/MI

Kokurikuler

Prota/Prosem Kls 1-6 SD/MI

Asesmen Diagnostik

Link Administrasi dan Bukti Dukung Akreditasi :

Bukti Dukung Akreditasi Komponen I

Bukti Dukung Akreditasi Komponen II

Bukti Dukung Akreditasi Komponen II

Panduan Akreditasi

Deskripsi Asesi

Bukti Kinerja yang diupload di DKA Sispena

PERANGKAT PEMBELAJARAN AKIDAH AKHLAK KELAS VI MI DEEP LEARNING KBC

 Deep Learning sering kali dianggap sebagai topik yang kompleks dan menakutkan, dipenuhi dengan istilah-istilah matematis dan algoritma yang rumit. Namun, dengan pendekatan yang tepat, pembelajaran Deep Learning dapat diubah menjadi perjalanan yang meaningful (bermakna), mindful (sadar), dan joyful (menyenangkan). Modul ajar ini dirancang untuk mencapai tujuan tersebut, tidak hanya untuk mengajarkan teori dan kode, tetapi juga untuk membangun pemahaman yang mendalam dan gairah yang berkelanjutan.

1. Meaningful (Bermakna): Menghubungkan Teori dengan Dunia Nyata

Pembelajaran menjadi bermakna ketika siswa dapat melihat relevansi langsung dari apa yang mereka pelajari. Alih-alih hanya membahas arsitektur jaringan saraf, modul ini akan selalu mengaitkan setiap konsep dengan aplikasi praktis di dunia nyata.

• Studi Kasus Berbasis Proyek: Setiap bab akan dimulai dengan sebuah masalah nyata. Misalnya, sebelum mempelajari Convolutional Neural Networks (CNNs), siswa akan diperkenalkan dengan tantangan klasifikasi gambar, seperti mengidentifikasi jenis-jenis hewan dari foto. Ini memberikan konteks yang kuat dan tujuan yang jelas.

• Data Set yang Relevan: Penggunaan data set yang akrab bagi siswa—seperti gambar-gambar produk, teks ulasan media sosial, atau data cuaca—akan membuat proses eksplorasi data terasa lebih personal dan relevan.

• Diskusi Etika dan Dampak Sosial: Modul ini juga akan menyertakan sesi diskusi tentang dampak etis dan sosial dari Deep Learning, seperti bias dalam algoritma, privasi data, dan potensi penggunaannya untuk kebaikan atau keburukan. Ini membantu siswa tidak hanya menjadi praktisi yang mahir, tetapi juga warga digital yang bertanggung jawab.

2. Mindful (Sadar): Membangun Pemahaman yang Mendalam

Pendekatan mindful dalam pembelajaran Deep Learning berarti memberikan perhatian penuh pada proses, bukan hanya pada hasil. Ini mendorong siswa untuk merenungkan, bereksperimen, dan memahami "mengapa" di balik "bagaimana".

• Belajar dari Kegagalan: Siswa didorong untuk melihat error dan bug bukan sebagai kegagalan, melainkan sebagai peluang belajar. Modul ini akan menyertakan tantangan di mana siswa harus sengaja membuat model yang buruk dan kemudian menganalisis mengapa model tersebut gagal.

• Jurnal Pembelajaran: Siswa akan diminta untuk membuat jurnal harian atau mingguan. Di sini, mereka akan mencatat pemahaman, tantangan, dan solusi yang mereka temukan. Ini melatih kemampuan metakognitif (berpikir tentang cara mereka berpikir) dan membantu mereka melacak kemajuan pribadi.

• Visualisasi adalah Kunci: Konsep abstrak seperti gradient descent atau backpropagation akan dijelaskan melalui visualisasi interaktif dan analogi sederhana. Tujuannya adalah agar siswa dapat "melihat" bagaimana algoritma bekerja, bukan hanya menghafal rumusnya.

3. Joyful (Menyenangkan): Menciptakan Pengalaman Belajar yang Positif

Pembelajaran yang menyenangkan adalah pembelajaran yang tidak terasa seperti beban. Modul ini berupaya menciptakan lingkungan yang positif dan menarik melalui gamifikasi dan kolaborasi.

• Gamifikasi Pembelajaran: Tantangan-tantangan dalam modul dapat dikemas dalam bentuk kompetisi persahabatan atau leaderboard (papan peringkat) di mana siswa berlomba-lomba untuk mencapai akurasi tertinggi pada suatu data set. Kuis interaktif dan puzzles terkait kode juga dapat disertakan.

• Proyek Kolaboratif: Siswa akan bekerja dalam tim untuk menyelesaikan proyek akhir. Hal ini mendorong kolaborasi, berbagi pengetahuan, dan membangun komunitas. Mereka akan belajar dari satu sama lain dan merasakan kepuasan saat berhasil membangun sesuatu bersama.

• Perayaan Keberhasilan: Setiap kali siswa berhasil menyelesaikan sebuah tantangan, bahkan yang kecil sekalipun, akan ada momen pengakuan. Ini bisa berupa badge digital atau shout-out dari pengajar. Merayakan pencapaian, sekecil apa pun, akan meningkatkan motivasi dan kepercayaan diri siswa.

Silahkan download di bawah ini (Klik pertama akan muncul Iklan, lalu kembali ke halaman semula dan klik kedua akan muncul link ke Google Drive untuk di download)

Perangkat Akidah Akhlak kls 6 MI :

- Modul Ajar Akidah 6

- CP Akidah 6

- ATP Akidah 6

- KKTP Akidah 6

- Prota Akidah 6

- Promes Akidah 6

Perangkat Pembelajaran yang lain : 

Deep Learning KBC Madrasah Aliyah (MA):

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 12 MA

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 11 MA

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 10 MA

Deep Learning KBC Madrasah Tsanawiyah (MTs):

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 9 MTs

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 8 MTs

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 7 MTs

Deep Learning KBC Madrasah Ibtidaiyah (MI) :

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 1 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 2 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 3 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 4 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 5 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 6 MI

Perangkat Deep Learning SMK :

Link Perangkat Deep Learning Kls 10 SMK

Link Perangkat Deep Learning Kls 11 SMK

Link Perangkat Deep Learning Kls 12 SMK

Perangkat Deep Learning SMA/MA :

Link Perangkat Deep Learning Kls 10 SMA/MA

Link Perangkat Deep Learning Kls 11 SMA/MA

Link Perangkat Deep Learning Kls 12 SMA/MA

Perangkat Deep Learning SMP/MTs :

Link Perangkat Deep Learning Kls 7 SMP/MTS

Link Perangkat Deep Learning Kls 8 SMP/MTS

Link Perangkat Deep Learning Kls 9 SMP/MTS

Perangkat Deep Learning SD/MI :

Link Perangkat Deep Learning Kls 1 - 6  SD/MI

Kokurikuler

Prota/Prosem Kls 1-6 SD/MI

Asesmen Diagnostik

Link Administrasi dan Bukti Dukung Akreditasi :

Bukti Dukung Akreditasi Komponen I

Bukti Dukung Akreditasi Komponen II

Bukti Dukung Akreditasi Komponen II

Panduan Akreditasi

Deskripsi Asesi

Bukti Kinerja yang diupload di DKA Sispena

PERANGKAT PEMBELAJARAN BAHASA ARAB KELAS VI MI DEEP LEARNING KBC

 Deep Learning sering kali dianggap sebagai topik yang kompleks dan menakutkan, dipenuhi dengan istilah-istilah matematis dan algoritma yang rumit. Namun, dengan pendekatan yang tepat, pembelajaran Deep Learning dapat diubah menjadi perjalanan yang meaningful (bermakna), mindful (sadar), dan joyful (menyenangkan). Modul ajar ini dirancang untuk mencapai tujuan tersebut, tidak hanya untuk mengajarkan teori dan kode, tetapi juga untuk membangun pemahaman yang mendalam dan gairah yang berkelanjutan.

1. Meaningful (Bermakna): Menghubungkan Teori dengan Dunia Nyata

Pembelajaran menjadi bermakna ketika siswa dapat melihat relevansi langsung dari apa yang mereka pelajari. Alih-alih hanya membahas arsitektur jaringan saraf, modul ini akan selalu mengaitkan setiap konsep dengan aplikasi praktis di dunia nyata.

• Studi Kasus Berbasis Proyek: Setiap bab akan dimulai dengan sebuah masalah nyata. Misalnya, sebelum mempelajari Convolutional Neural Networks (CNNs), siswa akan diperkenalkan dengan tantangan klasifikasi gambar, seperti mengidentifikasi jenis-jenis hewan dari foto. Ini memberikan konteks yang kuat dan tujuan yang jelas.

• Data Set yang Relevan: Penggunaan data set yang akrab bagi siswa—seperti gambar-gambar produk, teks ulasan media sosial, atau data cuaca—akan membuat proses eksplorasi data terasa lebih personal dan relevan.

• Diskusi Etika dan Dampak Sosial: Modul ini juga akan menyertakan sesi diskusi tentang dampak etis dan sosial dari Deep Learning, seperti bias dalam algoritma, privasi data, dan potensi penggunaannya untuk kebaikan atau keburukan. Ini membantu siswa tidak hanya menjadi praktisi yang mahir, tetapi juga warga digital yang bertanggung jawab.

2. Mindful (Sadar): Membangun Pemahaman yang Mendalam

Pendekatan mindful dalam pembelajaran Deep Learning berarti memberikan perhatian penuh pada proses, bukan hanya pada hasil. Ini mendorong siswa untuk merenungkan, bereksperimen, dan memahami "mengapa" di balik "bagaimana".

• Belajar dari Kegagalan: Siswa didorong untuk melihat error dan bug bukan sebagai kegagalan, melainkan sebagai peluang belajar. Modul ini akan menyertakan tantangan di mana siswa harus sengaja membuat model yang buruk dan kemudian menganalisis mengapa model tersebut gagal.

• Jurnal Pembelajaran: Siswa akan diminta untuk membuat jurnal harian atau mingguan. Di sini, mereka akan mencatat pemahaman, tantangan, dan solusi yang mereka temukan. Ini melatih kemampuan metakognitif (berpikir tentang cara mereka berpikir) dan membantu mereka melacak kemajuan pribadi.

• Visualisasi adalah Kunci: Konsep abstrak seperti gradient descent atau backpropagation akan dijelaskan melalui visualisasi interaktif dan analogi sederhana. Tujuannya adalah agar siswa dapat "melihat" bagaimana algoritma bekerja, bukan hanya menghafal rumusnya.

3. Joyful (Menyenangkan): Menciptakan Pengalaman Belajar yang Positif

Pembelajaran yang menyenangkan adalah pembelajaran yang tidak terasa seperti beban. Modul ini berupaya menciptakan lingkungan yang positif dan menarik melalui gamifikasi dan kolaborasi.

• Gamifikasi Pembelajaran: Tantangan-tantangan dalam modul dapat dikemas dalam bentuk kompetisi persahabatan atau leaderboard (papan peringkat) di mana siswa berlomba-lomba untuk mencapai akurasi tertinggi pada suatu data set. Kuis interaktif dan puzzles terkait kode juga dapat disertakan.

• Proyek Kolaboratif: Siswa akan bekerja dalam tim untuk menyelesaikan proyek akhir. Hal ini mendorong kolaborasi, berbagi pengetahuan, dan membangun komunitas. Mereka akan belajar dari satu sama lain dan merasakan kepuasan saat berhasil membangun sesuatu bersama.

• Perayaan Keberhasilan: Setiap kali siswa berhasil menyelesaikan sebuah tantangan, bahkan yang kecil sekalipun, akan ada momen pengakuan. Ini bisa berupa badge digital atau shout-out dari pengajar. Merayakan pencapaian, sekecil apa pun, akan meningkatkan motivasi dan kepercayaan diri siswa.

Silahkan download di bawah ini (Klik pertama akan muncul Iklan, lalu kembali ke halaman semula dan klik kedua akan muncul link ke Google Drive untuk di download)

Perangkat B. Arab kls 6 MI :

- Modul Ajar B. Arab 6

- CP B. Arab 6

- ATP B. Arab 6

- KKTP B. Arab 6

- Prota B. Arab 6

- Promes B. Arab 6

Perangkat Pembelajaran yang lain : 

Deep Learning KBC Madrasah Aliyah (MA):

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 12 MA

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 11 MA

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 10 MA

Deep Learning KBC Madrasah Tsanawiyah (MTs):

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 9 MTs

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 8 MTs

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 7 MTs

Deep Learning KBC Madrasah Ibtidaiyah (MI) :

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 1 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 2 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 3 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 4 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 5 MI

Link Perangkat Akidah Qurdis Fikih SKI B. Arab kls 6 MI

Perangkat Deep Learning SMK :

Link Perangkat Deep Learning Kls 10 SMK

Link Perangkat Deep Learning Kls 11 SMK

Link Perangkat Deep Learning Kls 12 SMK

Perangkat Deep Learning SMA/MA :

Link Perangkat Deep Learning Kls 10 SMA/MA

Link Perangkat Deep Learning Kls 11 SMA/MA

Link Perangkat Deep Learning Kls 12 SMA/MA

Perangkat Deep Learning SMP/MTs :

Link Perangkat Deep Learning Kls 7 SMP/MTS

Link Perangkat Deep Learning Kls 8 SMP/MTS

Link Perangkat Deep Learning Kls 9 SMP/MTS

Perangkat Deep Learning SD/MI :

Link Perangkat Deep Learning Kls 1 - 6  SD/MI

Kokurikuler

Prota/Prosem Kls 1-6 SD/MI

Asesmen Diagnostik

Link Administrasi dan Bukti Dukung Akreditasi :

Bukti Dukung Akreditasi Komponen I

Bukti Dukung Akreditasi Komponen II

Bukti Dukung Akreditasi Komponen II

Panduan Akreditasi

Deskripsi Asesi

Bukti Kinerja yang diupload di DKA Sispena