SYSTEMATIC LITERATURE REVIEW : DEEP LEARNING DALAM PEMBELAJARAN BIOLOGI

Prananda, Dani Andreansyah (2025) SYSTEMATIC LITERATURE REVIEW : DEEP LEARNING DALAM PEMBELAJARAN BIOLOGI. Diploma thesis, UIN RADEN INTAN LAMPUNG.

PDF Download (3MB)

Abstract

ABSTRAK Kecerdasan buatan (AI), khususnya deep learning, semakin banyak dimanfaatkan dalam pembelajaran biologi untuk meningkatkan personalisasi, interaktivitas, dan efektivitas pembelajaran. Kajian ini secara sistematis mengeksplorasi tren, pola, dan tantangan penerapan deep learning dalam pembelajaran biologi melalui Systematic Literature Review (SLR) yang dipadukan dengan analisis bibliometrik. Pencarian literatur pada lima basis data utama untuk periode 2021–2025 menghasilkan 561 artikel, dengan 80 artikel memenuhi kriteria inklusi berdasarkan kerangka PRISMA 2020. Analisis menunjukkan peningkatan publikasi sejak 2021 dengan kontribusi terbesar berasal dari Indonesia. Pemetaan bibliometrik menggunakan VOSviewer mengelompokkan penerapan deep learning ke dalam empat dimensi utama: teknologi dan infrastruktur, strategi pedagogis, kompetensi literasi digital, dan evaluasi pembelajaran. Hasil kajian menegaskan potensi deep learning dalam mendukung e-learning adaptif, analisis citra otomatis, dan laboratorium virtual cerdas. Namun, tantangan masih tersisa terkait kesiapan infrastruktur, kualitas dataset, dan kompetensi digital guru. Kajian ini menyajikan gambaran komprehensif lanskap penelitian serta memberikan implikasi praktis dan arahan penelitian masa depan bagi peneliti, pendidik, dan pembuat kebijakan untuk mengembangkan strategi pembelajaran biologi yang inovatif, berkelanjutan, dan selaras dengan transfor masi digital. Kata Kunci: Bibliometrik, Pembelajaran Biologi, PRISMA, Systematic Literature Review (SLR) 1 ABSTRACT Artificial Intelligence (AI), particularly deep learning, has been increasingly applied in biology education to enhance personalization, interactivity, and overall learning effectiveness. This study systematically explores the trends, patterns, and challenges of deep learning integration in biology education through a Systematic Literature Review (SLR) combined with bibliometric analysis. A comprehensive search across five major databases for the 2021–2025 period yielded 561 studies, with 80 meeting the inclusion criteria following the PRISMA 2020 framework. The analysis revealed a consistent growth in publications since 2021, with Indonesia contributing the largest share. Bibliometric mapping using VOSviewer categorized the integration of deep learning into four major dimensions: technological infrastructure, pedagogical strategies, digital literacy competence, and learning evaluation. Findings highlight the potential of deep learning to support adaptive e-learning systems, automated image analysis, and intelligent virtual laboratories. Nevertheless, challenges persist regarding infrastructure readiness, dataset quality, and teachers’ digital competence. This review presents a comprehensive overview of the research landscape and provides practical implications while outlining future research directions for researchers, educators, and policymakers to design innovative, sustainable, and digitally aligned strategies for biology education. Keywords:Bibliometric, Biology education, PRISMA, Systematic Literature Review (SLR)

Item Type:	Thesis (Diploma)
Subjects:	Pendidikan Biologi
Divisions:	Fakultas Tarbiyah dan Keguruan > Pendidikan Biologi
Depositing User:	LAYANAN PERPUSTAKAAN UINRIL REFERENSI
Date Deposited:	11 Mar 2026 06:37
Last Modified:	11 Mar 2026 06:39
URI:	https://repository.radenintan.ac.id/id/eprint/43154

Actions (login required)

View Item