Kemampuan Menyusun Rencana Pelaksanaan Pembelajaran (RPP) Kurikulum 2013 Revisi 2017 Guru Bahasa Jawa Sekolah Menengah Atas (SMA) Kota Semarang
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Penelitian ini bertujuan memaparkan kemampuan guru Bahasa Jawa Kota Semarang menyusun Rencana Pelaksanaan Pembelajaran (RPP) yang selaras dengan kurikulum 2013 revisi 2017. Indicator untuk mengetahui kemampuan guru menyusun RPP adalah tujuh aspek, yaitu: pengembangan indikator; penentuan tujuan pembelajaran; penentuan materi/bahan ajar; penentuan sumber belajar; penentuan metode pembelajaran; penentuan media pembelajaran; dan penilaian.Penelitian ini berjenis kualitatif deskriptif. Lokasi penelitian di kota Semarang. Data penelitian ini adalah RPP hasil karya guru Bahasa Jawa Kota Semarang yang dikumpulkan dengan teknik dokumentasi. Analisis data menggunakan analisis model interaktif, meliputi reduksi data, display data dan penarikan kesimpulan. Hasil penelitian ini menggambarkan kemampuan guru Bahasa Jawa dalam menyusu RPP. Dari tujuh aspek yang diamati, aspek keenam: kemampuan menentukan media pembelajaran merupakan aspek yang paling bagus dengan 98.21. Guru sudah mampu memanfaatkan kemajuan teknologi sesuai dengan karaketristik siswa yang diajarnya. Aspek ke tujuh, yaitu kemampuan menentukan penilaian menduduki tempat paling rendah, yakni 65.87. Hal ini disebabkan karena sebagian besar guru belum tepat dalam menentukan teknik penilaian, bentuk instrument, dan penyusunan rubrik penilaian. Kata Kunci: Guru Bahasa Jawa, Rencana Pelaksanaan Pembelajaran, Kurikulum 2013
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.021 | 0.003 |
| Meta-epidemiology (narrow) | 0.005 | 0.005 |
| Meta-epidemiology (broad) | 0.006 | 0.003 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.004 | 0.005 |
| Open science | 0.009 | 0.002 |
| Research integrity | 0.003 | 0.009 |
| Insufficient payload (model declined to judge) | 0.037 | 0.013 |
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 it