Bentuk Fokalisasi dalam Novel Mencari Perempuan yang Hilang Karangan Imad Zaki: Kajian Naratologi
Bibliographic record
Abstract
Penelitian ini berupaya mengaji unsur penceritaan (gaya bercerita) dalam novel Mencari Perempuan Yang Hilang karya Imad Zaki dalam bentuk dialog, dan laku dari tokoh-tokohnya. Terdapat (temuan) sebuah gaya yang berbeda saat beberapa tokoh menceritakan kehidupannya, mulai dari pergantian tokoh dalam bercerita sehingga mengungkapkan beberapa sifat manusia dalam novel ini. Analisa dalam naratologi mencoba mengungkapkan sifat tesebut dengan tiga bentuk Analisa, yakni fokalisasi internal lalu eksternal dan fokalisir luar dan dalam. Fokalisasi internal berupaya menggambarkan dialog “akuan” dari dalam diri dan fokalisasi eksternal adalah perasaan yang digambarkan orang lain. Bentuk fokalisasi alinnya yakni keluar dan ke dalam. Fokalisasi keluar yakni pendeskripsian tokoh berdasarkan lahiriahnya. Lain hal dengan fokalisor keluar, fokalisor ke dalam menggunakan unsur batin dan ingatan saat menganalisanya. Penelitian ini menggunakan pendekatan kualitatif dengan metode pengumpulan data menggunakan metode kepustakaan. Interpretasi teks didapat dari monolog dan dialog yang adal pada tiap teks novel ini. Menggunakan teknik analisis isi. Penulis menemukan sejumlah teknik (gaya) bercerita; 1. Fokalisasi interen (“saya”) berdasarkan narator, 2. Fokalisasi ekstern dengan bentuk simbol, 3. Cerita harmonis dan miris dalam satu bingkai novel tersebut.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.025 | 0.005 |
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".