Analisis Pendekatan Deep Learning (Pembelajaran Mendalam) di SMP Negeri 40 Surabaya

Authors

  • Nazira Hadyan Universitas Negeri Surabaya, Indonesia
  • Labibah Alfiatin Nafi’ah Universitas Negeri Surabaya, Indonesia
  • Fitri Adelia Najwa Universitas Negeri Surabaya, Indonesia
  • Ayasha Nabila Audiya Nency Universitas Negeri Surabaya, Indonesia
  • Ima Widiyanah Universitas Negeri Surabaya, Indonesia

DOI:

https://doi.org/10.58540/pijar.v4i1.1179

Keywords:

Deep Learning, pembelajaran mendalam, strategi guru, literasi digital

Abstract

Data yang dikumpulkan melalui penelitian literatur, observasi, dan wawancara digunakan untuk menganalisis penerapan pendekatan Deep Learning di SMP Negeri 40 Surabaya. Penelitian ini juga menyelidiki alasan mengapa metode ini dipilih, bagaimana metode ini diterapkan, kendala yang dihadapi, strategi guru untuk mengatasi masalah, dan dukungan pelatihan profesional. Hasil penelitian menunjukkan bahwa penggunaan pembelajaran mendalam dapat meningkatkan pemahaman siswa, keterlibatan, dan kemampuan abad ke-21. Kegiatan kontekstual, proyek teknologi, dan media digital interaktif adalah cara pembelajaran dilakukan. Siswa memiliki sarpras yang terbatas, literasi digital mereka kurang, dan guru tidak siap untuk mengajar. Keberagaman kemampuan siswa diakui melalui penggunaan pendekatan diferensiasi dan pendampingan intensif. Pelatihan profesional selama dua hingga tiga bulan membantu guru menjadi lebih baik dalam mengintegrasikan pembelajaran mendalam dalam pembelajaran mereka. Secara keseluruhan, metode ini memiliki potensi untuk meningkatkan kualitas pembelajaran, tetapi mereka memerlukan dukungan dari sumber daya teknologi dan pelatihan yang berkelanjutan.

 

Downloads

Published

11-12-2025

How to Cite

Hadyan, N., Labibah Alfiatin Nafi’ah, Fitri Adelia Najwa, Ayasha Nabila Audiya Nency, & Ima Widiyanah. (2025). Analisis Pendekatan Deep Learning (Pembelajaran Mendalam) di SMP Negeri 40 Surabaya. PIJAR: Jurnal Pendidikan Dan Pengajaran, 4(1), 199–207. https://doi.org/10.58540/pijar.v4i1.1179

Issue

Section

Articles

Most read articles by the same author(s)