Analisis Gejala Hiperbola pada Merek Dagang dan Slogan Produk Makanan PT. Indofood
Bibliographic record
Abstract
Gejala hiperbola pada merek dagang makanan PT. Indofood sangat menarik untuk diteliti. Hal tersebut dikarenakan penemuan pemakaian gaya bahasa hiperbola yang cukup unik pada salah satu produk PT. Indofood yaitu Qtella. Letak gaya bahasa hiperbola pada merek tersebut yaitu pada penggunaan huruf Q sebagai kata ganti dari kata ketela. Selain itu, produk Qtella juga memiliki slogan ‘Jagonya snack keluarga’. Maka dari itu, peneliti ingin menelaah lebih lanjut mengenai temuan lainnya mengenai gejala hiperbola pada merek dagang dan slogan produk makanan PT. Indofood. Tujuan dari penelitian ini yaitu guna mengetahui bagaimana bentuk gejala hiperbola pada merek dagang dan slogan produk makanan PT. Indofood beserta dampaknya. Adapun metode yang digunakan dalam penelitian ini adalah metode deskriptif analitif. Penelitian ini menggunakan analisis makna gaya bahasa. Pengumpulan data dalam penelitian ini dilakukan dengan pengamatan dan catat. Artinya, data dalam penelitian ini diperoleh dengan cara mengamati merek dagang atau produk yang diproduksi oleh PT. Indofood Indonesia kemudian mencatat data iklan yang mengandung gaya bahasa. Pertama-tama slogan dan merek dagang diamati, setelah itu dipilih iklan yang mengandung gaya bahasa. Berdasarkan hasil penelitian dapat ditarik kesimpulan, yakni gejala hiperbola pada merek dagang dan slogan produk makanan PT. Indofood diklasifikasikan menjadi 4 gejala hiperbola yaitu hiperbola tipografi, hiperbola makna, hiperbola gambar, dan hiperbola pengucapan.
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 | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.024 | 0.007 |
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".