Peningkatan Keterampilan Desain Grafis Siswa SMPN 10 Barru melalui Penggunaan Media Canva

Faris Abdurrahman; Andi Bulkis Maghfirah; Nasir Nasir

Penulis

Faris Abdurrahman Universitas Muhammadiyah Makassar
Andi Bulkis Maghfirah Universitas Muhammadiyah Makassar
Nasir Nasir Universitas Muhammadiyah Makassar

Kata Kunci:

Peningkatan Keterampilan, Desain Grafis, Media Canva

Abstrak

Penelitian ini bertujuan untuk menganalisis pengaruh penggunaan media Canva terhadap peningkatan keterampilan desain grafis siswa kelas VII di SMPN 10 Barru. Metode yang digunakan adalah penelitian kuantitatif dengan desain eksperimen pretest-posttest, melibatkan 26 siswa sebagai sampel. Data dikumpulkan melalui pretest dan posttest, lalu dianalisis menggunakan uji t-test dengan SPSS 29. Hasil penelitian menunjukkan peningkatan signifikan pada nilai rata-rata keterampilan desain grafis siswa, yaitu dari 61,27 menjadi 86,69 setelah penerapan media Canva, dengan nilai Sig. <0,001. Canva memberikan kemudahan bagi siswa untuk mengeksplorasi desain melalui berbagai fitur intuitif, sedangkan teknik pengulangan memperkuat pemahaman dan penerapan konsep desain. Kombinasi ini menciptakan lingkungan pembelajaran yang interaktif, kreatif, dan efektif. Hasil ini mendukung pentingnya penggunaan media pembelajaran berbasis teknologi dalam meningkatkan keterampilan desain grafis siswa.

Referensi

A. Juanda and F. A. Sianturi, “Sistem Pendukung Keputusan Pemilihan Karyawan Tetap pada Trinity Teknologi Nusantara Dengan Metode Moora,” JIKOMSI [Jurnal Ilmu Komput. dan Sist. Informasi], vol. 3, no. 3, pp. 277–282, 2021.

R. Kusnadi and M. Jannah, “Penerapan Jaringan Syaraf Tiruan Untuk Memprediksi Jumlah Bagasi Lion Air dan Batik Air di Bandar Udara Kualanamu Dengan Metode Backpropagation,” vol. 3, no. 3, pp. 293–302, 2021.

S. K. Sari and J. Manurung, “Implementasi Jaringan Syaraf Tiruan Untuk Memprediksi Tingkat Pemahaman Siswa Pada Mata Pelajaran Ujian Akhir Sekolah ( UAS ) Di SD Mis An Nur Sukamandi Menggunakan Metode Backpropragation,” vol. 3, no. 3, pp. 283–292, 2021.

M. S. Fricles Ariwisanto Sianturi, “ANALISA PENGARUH LOG TRANSAKSI PADA SISTEM KOMPUTER,” Mantik Penusa, vol. 2, no. 2, pp. 67–70, 2018, [Online]. Available: http://e-jurnal.pelitanusantara.ac.id/index.php/mantik/article/view/422

Fricles Ariwisanto Sianturi, “Analisa metode teorema bayes dalam mendiagnosa keguguran pada ibu hamil berdasarkan jenis makanan,” Tek. Inf. dan Komput., vol. 2, no. 1, pp. 87–92, 2019, [Online]. Available: http://jurnal.murnisadar.ac.id/index.php/Tekinkom/article/view/78

B. N. Aini, I. Bagus, K. Widiartha, and R. Afwani, “Implementasi Metode Logika Fuzzy Simple Additive Weighting (SAW) dalam Pencarian Rumah Kos Terbaik di Sekitar Universitas Mataram Berbasis Website (Web-based Implementation of Fuzzy Logic with Simple Additive Weighting Method for Searching Best Boarding House Around Mataram University).” [Online]. Available: http://jcosine.if.unram.ac.id/

S. Yang, H. Jian, Z. Ding, Z. Hongyuan, and C. L. Giles, “IKNN: Informative K-nearest neighbor pattern classification,” in Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 2007. doi: 10.1007/978-3-540-74976-9_25.

O. Sihombing, S. Sihombing, M. L. Pasaribu, R. Kris, and D. Saragih, “Website Rekomendasi Tempat Kuliner dengan Metode Social Trust Path,” vol. 3, no. 1, pp. 1–6, 2020.

R. Purba, R. K. Lubis, P. Studi, and M. Informatika, “( JPkMN ) SOSIALISASI E- COMMERCE BAGI REMAJA MELALUI MEDIA SPEAKING ACTIVITY DI MTsN 1 DELI SERDANG JURNAL PENGABDIAN KEPADA MASYARAKAT NUSANTARA ( JPkMN ) Vol : 2 No . 1 September 2020 I . Pendahuluan dan pengembangan program dengan menggambarkan kondis,” no. 1, pp. 8–20, 2020.

O. A. Wani et al., “Predicting rainfall using machine learning, deep learning, and time series models across an altitudinal gradient in the North-Western Himalayas,” Sci. Rep., vol. 14, no. 1, Dec. 2024, doi: 10.1038/s41598-024-77687-x.

H. Y. Tee and R. Mansor, “FORECASTING RAINFALL VOLUME IN SELANGOR WITH A COMBINED ARIMA MODEL,” J. Comput. Innov. Anal., vol. 3, no. 1, pp. 83–103, Jan. 2024, doi: 10.32890/jcia2024.3.1.5.