Penggunaan Google Earth dalam Pembelajaran IPS

Muhamad Khaedar Ali; Astrid Liani Kamal; Desy Safitri; Sujarwo Sujarwo

doi:10.47134/jtp.v1i4.379

Authors

Muhamad Khaedar Ali State University of Jakarta
Astrid Liani Kamal State University of Jakarta
Desy Safitri State University of Jakarta
Sujarwo Sujarwo State University of Jakarta

DOI:

https://doi.org/10.47134/jtp.v1i4.379

Keywords:

Google Earth, Ilmu Pengetahuan Sosial, Pembelajaran Digital

Abstract

Pemanfaatan teknologi informasi dan komunikasi telah memberikan dampak yang signifikan terhadap dunia pendidikan, khususnya pembelajaran Ilmu Pengetahuan Sosial (IPS). Salah satu teknologi yang merevolusi pembelajaran ilmu sosial adalah Google Earth. Google Earth adalah aplikasi berbasis web yang menggabungkan citra satelit, peta, dan foto udara ke dalam platform interaktif untuk memberikan visualisasi tiga dimensi permukaan bumi. Penelitian ini bertujuan untuk mengkaji pemanfaatan Google Earth dalam pembelajaran IPS. Metode yang digunakan adalah tinjauan literatur dan analisis kualitatif studi kasus penggunaan Google Earth dalam berbagai konteks pembelajaran IPS.Studi ini menunjukkan bahwa Google Earth menawarkan berbagai keunggulan dalam pembelajaran ilmu sosial, antara lain visualisasi fenomena geografis dan sosial yang realistis, eksplorasi interaktif tempat sejarah dan budaya, serta analisis sebaran dan pola geografis. Selain itu, Google Earth memungkinkan Anda dengan mudah memasukkan konsep geografis dan sosial ke dalam pelajaran IPS, meningkatkan keterlibatan dan minat siswa melalui pengalaman belajar yang menarik dan interaktif. Namun, penelitian ini juga menyoroti beberapa tantangan dalam menggunakan Google Earth, termasuk keterbatasan aksesibilitas dan infrastruktur, serta perlunya pelatihan dan dukungan bagi guru untuk mengintegrasikan teknologi ini ke dalam kelas mereka. Oleh karena itu, penggunaan Google Earth dalam pendidikan ilmu sosial menjanjikan potensi besar dalam meningkatkan pemahaman siswa terhadap fenomena geografis dan sosial serta mengembangkan keterampilan analitis dan berpikir kritis. Namun, memaksimalkan manfaat teknologi ini untuk pembelajaran ilmu-ilmu sosial yang efektif dan berkelanjutan memerlukan upaya kolaboratif antara pendidik, pengembang teknologi, dan pemangku kepentingan lainnya.

References

Adrian, J. (2021). Sentinel SAR-optical fusion for crop type mapping using deep learning and Google Earth Engine. ISPRS Journal of Photogrammetry and Remote Sensing, 175, 215–235. https://doi.org/10.1016/j.isprsjprs.2021.02.018 DOI: https://doi.org/10.1016/j.isprsjprs.2021.02.018

Amani, M. (2019). Canadian wetland inventory using Google Earth Engine: The first map and preliminary results. Remote Sensing, 11(7). https://doi.org/10.3390/RS11070842 DOI: https://doi.org/10.3390/rs11070842

Amani, M. (2020). Google Earth Engine Cloud Computing Platform for Remote Sensing Big Data Applications: A Comprehensive Review. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 13, 5326–5350. https://doi.org/10.1109/JSTARS.2020.3021052 DOI: https://doi.org/10.1109/JSTARS.2020.3021052

Dewi, M. S., Abidin, Y., & Arifin, M. H. (2024). Implementasi Media Pembelajaran Berbasis Peta Digital (Google Earth) dalam Mata Pelajaran IPS Materi Kenampakan Alam (Penelitian Quasi-Eksperiment pada Pembelajaran Ilmu Pengetahuan Sosial di Kelas V Sekolah Dasar). Jurnal Pendidikan Tambusai, 8(1), 14182-14196.

Ermida, S. L. (2020). Google earth engine open-source code for land surface temperature estimation from the landsat series. Remote Sensing, 12(9). https://doi.org/10.3390/RS12091471 DOI: https://doi.org/10.3390/rs12091471

Isnaini, N. (2015). Komparasi Penggunaan Media Google Earth dengan Peta Digital pada Materi Persebaran Fauna Kelas XI IPS di SMA Negeri 1 Semarang. Jurnal Geografi: Media Informasi Pengembangan Dan Profesi Kegeografian, 12(1), 52-61.

Jin, Z. (2019). Smallholder maize area and yield mapping at national scales with Google Earth Engine. Remote Sensing of Environment, 228, 115–128. https://doi.org/10.1016/j.rse.2019.04.016 DOI: https://doi.org/10.1016/j.rse.2019.04.016

Jumardi, A., & Putri, I. K. (2023). Penggunaan Google Earth dan Story Map Bagi Siswa IPS Kelas XII SMAN 8 Luwu Timur. Madaniya, 4(1), 135-141.

Kong, D. (2019). A robust method for reconstructing global MODIS EVI time series on the Google Earth Engine. ISPRS Journal of Photogrammetry and Remote Sensing, 155, 13–24. https://doi.org/10.1016/j.isprsjprs.2019.06.014 DOI: https://doi.org/10.1016/j.isprsjprs.2019.06.014

Liu, C. (2020). Land use/land cover changes and their driving factors in the northeastern tibetan plateau based on geographical detectors and google earth engine: A case study in gannan prefecture. Remote Sensing, 12(19). https://doi.org/10.3390/RS12193139 DOI: https://doi.org/10.3390/rs12193139

Long, T. (2019). 30m resolution global annual burned area mapping based on landsat images and Google Earth Engine. Remote Sensing, 11(5). https://doi.org/10.3390/rs11050489 DOI: https://doi.org/10.3390/rs11050489

Mullissa, A. (2021). Sentinel-1 sar backscatter analysis ready data preparation in google earth engine. Remote Sensing, 13(10). https://doi.org/10.3390/rs13101954 DOI: https://doi.org/10.3390/rs13101954

Mutanga, O. (2019). Google earth engine applications. Remote Sensing, 11(5). https://doi.org/10.3390/rs11050591 DOI: https://doi.org/10.3390/rs11050591

Putri, P. H., & Sriyanto, S. (2022). Efektivitas Penggunaan Media Google Earth dalam Pembelajaran Geografi untuk Meningkatkan Keterampilan Geografi Siswa Kelas X Ips Sma Negeri 52 Jakarta. Edu Geography, 10(2), 15-34. DOI: https://doi.org/10.15294/edugeo.v10i2.60521

Rachmadyanti, P. (n.d.) Analisis Penggunaan Media Google Earth Di Sekolah Dasar (Studi Kasus Di Siswa Kelas V Sd Nurul Huda Surabaya).

Tamiminia, H. (2020). Google Earth Engine for geo-big data applications: A meta-analysis and systematic review. ISPRS Journal of Photogrammetry and Remote Sensing, 164, 152–170. https://doi.org/10.1016/j.isprsjprs.2020.04.001 DOI: https://doi.org/10.1016/j.isprsjprs.2020.04.001

Tassi, A. (2020). Object-oriented lulc classification in google earth engine combining snic, glcm, and machine learning algorithms. Remote Sensing, 12(22), 1–17. https://doi.org/10.3390/rs12223776 DOI: https://doi.org/10.3390/rs12223776

Wang, X. (2020). Mapping coastal wetlands of China using time series Landsat images in 2018 and Google Earth Engine. ISPRS Journal of Photogrammetry and Remote Sensing, 163, 312–326. https://doi.org/10.1016/j.isprsjprs.2020.03.014 DOI: https://doi.org/10.1016/j.isprsjprs.2020.03.014

Wang, Y. (2020). An Urban Water Extraction Method Combining Deep Learning and Google Earth Engine. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 13, 768–781. https://doi.org/10.1109/JSTARS.2020.2971783 DOI: https://doi.org/10.1109/JSTARS.2020.2971783

You, N. (2020). Examining earliest identifiable timing of crops using all available Sentinel 1/2 imagery and Google Earth Engine. ISPRS Journal of Photogrammetry and Remote Sensing, 161, 109–123. https://doi.org/10.1016/j.isprsjprs.2020.01.001 DOI: https://doi.org/10.1016/j.isprsjprs.2020.01.001