PENINGKATAN HASIL BELAJAR FIQIH MATERI JUAL BELI DENGAN METODE BERMAIN PERAN DAN BRAINSTORMING PADA SISWA KELAS IX A MTS DARUL FALAH PRINGSURAT KABUPATEN TEMANGGUNG
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk mengetahui apakah penerapan metode Bermain Peran dan Brainstorming dapat meningkatkan hasil belajar Fiqih materi jual beli pada siswa kelas IX A MTs Darul Falah Pringsurat Kabupaten Temanggung Tahun Ajaran 2020/2021. Subjek penelitian ini adalah siswa kelas IX A MTs Darul Falah Pringsurat Kabupaten Temanggung yang terdiri dari 30 siswa yaitu 12 laki-laki dan 18 perempuan. Penelitian ini merupakan Penelitian Tindakan Kelas (PTK) yang terdiri dari 2 siklus yang setiap siklusnya merupakan rangkaian kegiatan yang masing-masing terdiri dari 4 tahapan yaitu perencanaan, pelaksanaan, observasi, dan refleksi. Penelitian Tindakan Kelas (PTK) ini menggunakan metodoe pengumpulan data berupa tes tertulis, lembar observasi, dan dokumentasi. Anlisis data dilakukan dengan membandingkan antara skor nilai setiap siklus dengan KKM (Kriteria Ketuntasan Minimal) yang telah ditetapkan yaitu 70 (sesuai dengan KKM yang diberlakukan di MTs Darul Falah Pringsurat) sekaligus ditandai dengan adanya peningkatan Kriteria Ketuntasan Klasikal. Berdasarkan hasil penelitian ini menunjukkan bahwa penggunaan metode bermain peran dan brainstorming dapat meningkatkan hasil belajar Fiqih materi jual beli pada siswa kelas IX A MTs Darul Falah Pringsurat Kabupaten Temanggung tahun Ajaran 2020/2021. Hal ini dibuktikan dengan hasil pra siklus sebelum menerapkan metode bermain peran dan brainstorming hanya 14 siswa atau (46,7%) yang memenuhi Kriteria Ketuntasan Minimal (KKM), sedangkan yang belum tuntas sebanyak 16 siswa (53,3%). Selanjutnya pada siklus I terdapat 23 (76%) siswa yang memenuhi Kriteria Ketuntasan Minimal (KKM) dan 9 siswa (24%) belum memenuhi KKM. Pada siklus II ada 28 siswa (93%) yang memenuhi KKM dan 2 siswa (7%) yang belum memenuhi KKM. Oleh karena itu, penelitian tindakan kelas ini dinyatakan berhasil karena telah mencapai batas keberhasilan klasikal sebesar 85%.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,007 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».