PENINGKATAN KEMAMPUAN MENULIS CERPEN MELALUI PENGGUNAAN MEDIA AUDIOVISUAL TAYANGAN TELEVISI “CERMIN KEHIDUPAN TRANS 7”
Bibliographic record
Abstract
ABSTRAKKenyataannya di SMK Farmasi Bakti Kencana Banjar beberapa siswa diantaranya kurang mampu menggunakan imajinasi atau ide dalam menulis cerpen. Berdasarkan hasil observasi pra-penelitian, dilihat bahwa Nilai yang dicapai siswa dalam menulis cerpen masih rendah. Nilai KKM yang sudah ditentukan yaitu 70, namun masih ada beberapa yang masih belum mencapai KKM yang ditentukan. Tujuan dari penelitian yang penulis lakukan adalah : 1) untuk mengetahui langkah-langkah penggunaan media audiovisual tayangan televisi “Cermin Kehidupan Trans 7” dalam pembelajaran menulis cerpen pada siswa kelas X SMK Farmasi Bakti Kencana Banjar; 2) untuk mengetahui peningkatan kemampuan siswa setelah mengikuti kegiatan pembelajaran menulis cerpen dengan menggunakan media audiovisual tayangan televisi “Cermin Kehidupan Trans 7” pada siswa kelas X SMK Farmasi Bakti Kencana Banjar. Penelitian ini menggunakan metode deskriptif. Metode deskriptif digunakan sebagai dasar bahwa pembelajaran menulis cerpen dengan menggunakan media tayangan televisi “Cermin Kehidupan” trans 7 adalah masalah yang terjadi pada saat sekarang. Berdasarkan hasil penelitian dan pembahasan, maka simpulan dalam penelitian ini sebagai berikut. Langkah-langkah pelaksanaan pembelajaran sebagai berikut. Kegiatan inti pembelajaran yang meliputi tiga tahapan diantaranya: Tahap pertama Eksplorasi meliputi : (1) siswa mencari informasi yang luas tentang materi yang akan di pelajari untuk menanamkan nilai rasa ingin tahu, (2) Guru memfasilitasi siswa tentang materi yang akan dipelajari untuk menanamkan nilai betranggung jawab. Penggunaan media audiovisual tayangan “Cermin Kehidupan” Trans 7 dapat meningkatkan kemampuan menulis cerpen siswa dengan peningkatan rata-rata nilai pada siklus I adalah 71,47 sedangkan siklus II menunjukan peningkatan dari rata-rata nilai pada siklus I menjadi 83,90. Pada siklus II ini siswa merasa lebih percaya diri dalam mengerjakan tugas, siswa juga merasa senang dan antusias dalam pembelajaran sehingga semua siswa tuntas belajar.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.062 | 0.010 |
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".