TREN PENELITIAN DEEP LEARNING DALAM PENDIDIKAN FISIKA: ANALISIS BIBLIOMETRIK DALAM SATU DEKADE MENGGUNAKAN BASIS DATA SCOPUS

Sulistia, Ningsih (2025) TREN PENELITIAN DEEP LEARNING DALAM PENDIDIKAN FISIKA: ANALISIS BIBLIOMETRIK DALAM SATU DEKADE MENGGUNAKAN BASIS DATA SCOPUS. Diploma thesis, UIN RADEN INTAN LAMPUNG.

PDF Download (13MB)

Abstract

Abstrak: Perkembangan teknologi deep learning membuka peluang baru dalam pendidikan fisika untuk meningkatkan efektivitas pembelajaran, terutama dalam memahami konsep abstrak melalui simulasi virtual. Namun, pemanfaatannya masih terbatas dan belum ada pemetaan secara komprehensif yang berfokus pada pendidikan fisika. Penelitian ini bertujuan untuk menganalisis tren penelitian terkait deep learning dalam pendidikan fisika selama satu dekade terakhir. Metode analisis penelitian ini meliputi pertumbuhan publikasi dan sitasi tahunan, kontribusi penulis, afiliasi, dan negara, serta kata kunci dominan dan peluang topik penelitian. Prosedur penelitian ini dilakukan dengan analisis bibliometrik terhadap 90 dokumen terindeks scopus, dianalisis dengan Biblioshiny dan VOSviewer melalui tiga jenis visualisasi pada fitur co-occurence analysis. Hasil penelitian menunjukkan pertumbuhan publikasi yang terus meningkat signifikan, mengalami puncak publikasi terbanyak pada tahun 2023, dan kutipan terbesar pada tahun 2019, dengan rata rata pertumbuhan tahunan mencapai 17,46%, kontribusi afiliasi institusi dari Universitas Michigan, dan negara produktif dari Amerika Serikat. Kata kunci paling dominan meliputi deep learning, students, learning systems, dan artificial intelligence. Kesimpulan dari penelitian ini menunjukkan tren arah penelitian menuju integrasi teknologi digital dan pedagogi inovatif, dengan peluang riset masa depan pada mobile learning, chat-gpt augmented reality, dan blended learning berbasis kecerdasan buatan. Kata kunci: Deep Learning, Pendidikan Fisika, Analisis Bibliometrik. 2 Abstract: The development of deep learning technology opens up new opportunities in physics education to enhance the effectiveness of learning, especially in understanding abstract concepts through virtual simulations. However, its utilization is still limited, and there is no comprehensive mapping focused specifically on physics education. This study aims to analyze research trends related to deep learning in physics education over the past decade. The research analysis methods include examining annual publication and citation growth, contributions from authors, affiliations, and countries, as well as dominant keywords and potential research topics. The research procedure was conducted using a bibliometric analysis of 90 documents indexed in Scopus, analyzed with Biblioshiny and VOSviewer through three types of visualizations in the co-occurrence analysis feature. The results show a significantly increasing publication growth, peaking in the most publications in 2023 and the highest number of citations in 2019, with an average annual growth rate of 17.46%, institutional affiliation contribution from the University of Michigan, and the most productive country being the United States. The most dominant keywords include deep learning, students, learning systems, and artificial intelligence. The study concludes that research trends are moving towards the integration of digital technology and innovative pedagogy, with future research opportunities in mobile learning, ChatGPT-augmented reality, and AI based blended learning. Keyword: Deep Learning, Physics Education, Bibliometric Analysis.

Item Type:	Thesis (Diploma)
Subjects:	Pendidikan Fisika
Divisions:	Fakultas Tarbiyah dan Keguruan > Pendidikan Fisika
Depositing User:	LAYANAN PERPUSTAKAAN UINRIL REFERENSI
Date Deposited:	28 Jan 2026 08:10
Last Modified:	28 Jan 2026 08:12
URI:	https://repository.radenintan.ac.id/id/eprint/42502

Actions (login required)

View Item