MétaCan
Menu
Retour à la cohorte
Enregistrement W4200628210 · doi:10.34310/jskp.v8i2.465

Penggunaan Media Komik Efektif Terhadap Kesiapsiagaan Siswa Dalam Menghadapi Bencana Tanah Longsor

2021· article· id· W4200628210 sur OpenAlexaff
IGA Ari Rasdini, Ni Made Wedri, VM Endang SP Rahayu, Amelia Putri

Notice bibliographique

RevueJurnal Smart Keperawatan · 2021
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueSTEM Education
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsHumanitiesForestryGeographyArt

Résumé

récupéré en direct d'OpenAlex

Tanah longsor merupakan bencana tahunan yang senantiasa melanda disebagian wilayah Indonesia. Terjadinya bencana tanah longsor dapat menimbulkan dampak yang sangat besar baik terhadap kehidupan maupun lingkungan. Berdasarkan data Pusat Vulkanologi dan Mitigasi Bencana Geologi terdapat 918 lokasi rawan tanah longsor yang tersebar diberbagai wilayah di Indonesia. Provinsi Bali merupakan salah satu wilayah yang rawan terhadap tanah longsor. Peningkatkan kesiapsiagaan terhadap bahaya tanah longsor, dapat mengurangi dampak yang ditimbulkan dari bencana tersebut. Penelitian ini bertujuan mengetahui pengaruh penggunaan media komik terhadap kesiapsiagaan siswa dalam menghadapi bencana tanah longsor. Jenis penelitian adalah pre-experimental design dengan rancangan one-roup pretest-posttest menggunakan teknik total sampling dengan jumlah sampel sebanyak 57 orang. Pengumpulan data dilakukan dengan menggunakan kuisioner kesiapsiagaan bencana tanah longsor dan dianalisa dengan uji paired t-test. Hasil penelitian menunjukkan bahwa skor rata-rata kesiapsiagaan siswa sebelum perlakuan 69,68 dan setelah perlakuan sebesar 76,63 dengan selisih rata-rata sebelum dan sesudah perlakuan sebesar 6,94 dengan p value 0,001 sehingga disimpulkan ada pengaruh penggunaan media komik terhadap kesiapsiagaan siswa dalam menghadapi bencana tanah longsor di SDN 1 Sukawana.Kata kunci: bencana tanah longsor; kesiapsiagaan; media komik The Use Of Comics On Student Preparedness In Facing Landslide DisasterABSTRACT Landslides are an annual disaster that always hits parts of Indonesia. The occurrence of landslides can have a huge impact on both life and the environment. Based on data from the Center for Volcanology and Geological Hazard Mitigation, there were 918 landslide-prone locations spread across various regions in Indonesia. Bali Province is one of the areas prone to landslides. Increasing preparedness against landslides can reduce the impact of the disaster. This study was aimed to determine the effect of using comic’s media on student preparedness in dealing with landslides. This type of research was a pre-experimental design with a one-group pretest-posttest design using a total sampling technique with a total sample of 57 people. Data was collected using a landslide disaster preparedness questionnaire, and it was tested by using a paired t-test. The results show the average score of students' preparedness before treatment is 69.68 and after treatment is 76.63 with an average difference before and after treatment of 6.94 with p-value = 0.001. It was concluded that there was an effect of using comic’s media on students' preparedness in dealing with landslides at SDN 1 Sukawana. Keywords: landslide disaster; preparedness; comics’ media

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,287
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Smart KeperawatanMême sujetSTEM EducationTravaux en français237 207