ANALISIS WACANA KOHESI DAN KOHERENSI PADA TEKS CERPEN, TEKS PROSEDUR, TEKS LINGKUNGAN DAN KEMUNGKINAN PEMBELAJARAN DI SEKOLAH
Bibliographic record
Abstract
Menurut Poerwadarminta (dalam Baryadi, 2002:1) kata wacana berasal dari kata vacana bacaan dalam bahasa Sanskerta. Kata vacana itu kemudian masuk ke dalam bahasa Jawa Kuno dan bahasa Jawa Baru wacana atau bicara, kata, ucapan Kata wacana dalam bahasa Jawa Baru itu kemudian diserap ke dalam bahasa Indonesia menjadi wacana ucapan, percakapan, kuliah, Berbeda halnya dengan pendapat Sumarlam (dalam Widiatmoko, 2015) wacana yang baik adalah wacana yang harus memperhatikan hubungan antarkalimat, sehingga dapat menjaga keterkaitan dan keruntutan antarkalimat. Sejalan dengan pandangan bahwa bahasa itu terdiri atas bentuk dan makna, hubungan dalam wacana dapat dibedakan menjadi dua jenis yaitu hubungan bentuk yang disebut kohesi dan hubungan makna atau hubungan semantis yang disebut koherensi.Noverino (2015) menyatakan bahwa sebagai bentuk wacana buku anak-anak dipandang sebagai media suatu ideologi. Sahdi (2016) menyatakan bahwa kesinambungan topik merupakan cara suatu topik utama dalam suatu klausa maupun kalimat yang tersusun membentuk suatu rangkaian yang sinambung.Menurut Alwi, et al (dalam Nurfitriani, et al, 2018) wacana adalah sebuah rentetan kalimat yang menghubungkan prosisi lain dan membentuk satu kesatuan. Di samping itu, wacana merupakan kesatuan bahasa terlengkap dan terbesar dari kalimat atau klausa dengan kohesi dan koherensi yang tinggi dan berkesinambungan, yang mampu mempunyai awal dan akhir yang nyata, serta dapat disampaikan secara lisan dan tertulis. Sedangkan menurut Hanafiah (2014) wacana adalah komunikasi verbal, percakapan, keseluruhan tutur yang merupakan suatu kesatuan.Wulandari (2012) mengemukakan bahwa topik pada percakapan sehari-hari terkadang muncul dua atau lebih topik diskusi yang berbeda sumber dari topik awal percakapan yang disebut pergeseran topik. Mandia (2015) menyatakan bahwa kurangnya kemampuan mahasiswa dalam menganalsisi wacana pada kohesi dan koherensi yang disebabkan kurangnya kemampuan mahasiswa dalam memadukan kalimat satu dengan kalimat lainnya. Hanafiah (2014)3mengemukakan bahwa siswa telah dapat menentukan kohesi, koherensi.aspek tersebut dapat membangun suatu wacana dapat menyampaiakn pesan kepada pembacaMenurut Siregar (2019) wacana adalah unit bahasa yang terlengkap di atas kalimat yang memiliki konsep, gagasan, pikiran, atau ide yang dapat dipahami oleh pembaca dan pendengar. Sedangkan menurut Kridalaksana (dalam Insani, 2018) wacana merupakan satuan bahasa terlengkap dan satuan gramatikal tertinggi dalam hierarki gramatikal. Sebagai tataran tertinggi dalam hierarki kebahasaan, wacana tidak merupakan susunan kalimat secara acak, tetapi merupakan satuan bahasa, baik lisan maupun tulis. Berbeda dengan pendapat Widyaningrum (2017) wacana merupakan tingkatan yang paling tinggi di dalam hierarki pembicaraan sintaksis setelah frase, klausa dan kalimat. Wacana jua suatu tulisan yang dapat berupa kata, kalimat, paragraf, baba tau beberapa bab.Berdasarkan pendapat para ahli tersebut, dapat disimpulkan wacana adalah ucapan, percakapan, kata, atau kalimat yang menghubungkan posisi lain dan membentuk satu kesatuan bahasa terlengkap dan terbesar dari kalimat atau klausa dengan kohesi dan koherensi yang tinggi dan berkesinambungan.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.023 | 0.004 |
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".