STUDI KORELASI ANTARA PEMAHAMAN MATEMATIS DENGAN PRESTASI BELAJAR TARUNA AKADEMI MARITIM NUSANTARA PADA MATAKULIAH DASAR-DASAR AKUNTANSI
Notice bibliographique
Résumé
Pengetahuan akuntansi menjadi landasan dalam membuka jasa pelayaran, sehingga dapat meminimalkan kerugian, misal dalam membuat budgeting plan, dan forcasting, manajemen gudang dan bongkar muat. Oleh karena itu, Akuntansi menjadi matakuliah wajib pada kurikulum Program Studi Ketatalaksanaan Pelayaran Niaga dan Kepelabuhanan (KPN) Akademi Maritim Nusantara (AMN). Matakuliah yang memiliki kesamaan karakteristik dengan dasar-dasar akuntansi adalah matematika. Pemahaman matematis diduga memberikan pengaruh terhadap prestasi belajar dasar-dasar akuntansi. Oleh karena itu, penelitian ini bertujuan menganalisis pengaruh pemahaman matematis terhadap prestasi belajar taruna AMN pada matakuliah dasar-dasar akuntansi. Jenis penelitian ini merupakan penelitian kuantitatif dengan dengan sampel 146 taruna angkatan 2018 KPN AMN. Metode pengumpulan data dilakukan melalui instrumen tes Metode analisis data menggunakan statistik deskriptif dan statistik inferensial berbantuan aplikasi SPSS taraf signifikansi 0,05. Statistik inferensial terdiri dari uji asumsi klasik dan uji analisis regresi. Sebelum melakukan uji analisis regresi, harus terpenuhi uji asumsi klasik, yang terdiri dari uji normalitas, linearitas, dan homokedasitas. Hasil penelitian yaitu terdapat pengaruh yang signifikan antara pemahaman matematis dengan prestasi belajar taruna AMN pada matakuliah dasar-dasar akuntansi. Setiap kenaikan pemahaman matematis 1%, maka prestasi belajar taruna AMN pada matakuliah dasar-dasar akuntansi meningkat sebesar 1,004%. Semakin tinggi pemahaman matematis taruna AMN, maka akan semakin tinggi prestasi belajar dasar-dasar akuntansi.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,006 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».