EFEKTIVITAS MEDIA CANVA UNTUK MENINGKATKAN PENERIMAAN DIRI PADA SISWA
Bibliographic record
Abstract
Penelitian ini bertujuan untuk mengetahui keefektifan media Canva dalam meningkatkan penerimaan diri siswa pada 10 siswa yang terpilih dari 36 siswa jurusan Tata Boga di Sekolah Menengah Kejuruan Negeri 70 Jakarta. Metode penelitian yang digunakan adalah metode penelitian kuantitatif eksperimen dengan desain penelitian One Group Pre test - Post test design dan pengambilan sampel yang digunakan adalah Purposive Sampling. Pada uji validitas, peneliti menggunakan korelasi pearson product moment sebanyak 44 pernyataan angket penerimaan diri dengan 30 pernyataan yang valid. Sedangkan pada uji reliabilitas dengan menggunakan rumus alpha cronbach memperoleh rhitung = 0,870 > rtabel 0,60, maka data tersebut sangat reliabel. Pada hasil pre test diperoleh nilai mean =78,60 dan pada post test diperoleh nilai mean = 85,60. Ini menunjukkan bahwa terdapat perbedaan hasil pre test dan post test . Pada uji hipotesis, peneliti menggunakan uji kolmogorov smirnov dengan hasil 0,200 > 0,005 yang berarti nilai residual berdistribusi normal. Kemudian, dengan uji Wilcoxon diperoleh nilai Z hitung 2,818 > Z tabel 0,6985 dan nilai Asymp. Sig (2-tailed) yakni 0,005 < 0,05 yang menunjukkan bahwa Ho ditolak dan Ha diterima. Sehingga dapat disimpulkan bahwa terdapat perbedaan hasil antara sebelum dan sesudah diberikan perlakuan. Ini menggambarkan bahwa penggunaan media canva dalam meningkatkan penerimaan diri siswa
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 | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.033 | 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".