PENGARUH PENGORGANISASIAN MATERI FISIKA MENGGUNAKAN ANALISIS INTRUKSIONAL TERHADAP HASIL BELAJAR FISIKA SISWA
Bibliographic record
Abstract
Penelitian ini bertujuan untuk mengetahui pengaruh pengorganisasian materi Fisika menggunakan analisis intruksional terhadap hasil belajar Fisika siswa. Metode yang digunakan dalam penelitian ini adalah quasi eksperimen, yaitu suatu metode penelitian untuk melihat suatu hasil, dalam hal ini hasil belajar Fisika. Berdasarkan analisis dan perhitungan yang dilakukan terhadap data yang diperoleh dari penelitian, maka dapat disimpulkan bahwa peng-organisasian materi menggunakan analisis instruksional yang diterapkan di kelas eksperimen berpengaruh signifikan terhadap peningkatan hasil belajar siswa. Hal ini sesuai dengan hasil uji hipotesis dimana H0 ditolak, sedangkan H1 diterima untuk hasil belajar siswa. Dengan diterimanya H1, maka dapat disimpulkan bahwa hasil belajar siswa yang diajar dengan pengorganisasian materi menggunakan analisis intruksional lebih tinggi dari pada hasil belajar siswa dengan pengorganisasian materi menggunakan silabus.Sehubungan dengan itu, maka pengorganisasian materi mengguna-kan analisis intruksional dapat digunakan sebagai salah satu cara untuk meningkatkan hasil belajar siswa. Karena dengan materi yang terorganisir dengan baik dan sistematis dapat memudahkan siswa memahami materi dan memotivasi siswa untuk terus belajar, sehingga akhirnya tujuan pembelajaran dapat tercapai.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".