PENGARUH KOMPETENSI MANAJERIAL KEPALA SEKOLAH TERHADAP KINERJA PENDIDIK DI SEKOLAH DASAR
Bibliographic record
Abstract
Kompetensi manajerial Kepala Sekolah merupakan salah satu kompetensi yang dimiliki dan diimplementasikan oleh Kepala Sekolah dalam merancang, menyusun, dan mengaplikasikan rencana administrasi dan kegiatan pendidikan dalam kurun waktu yang telah ditentukan. Hal ini merupakan tugas yang dilaksanakan oleh Kepala Sekolah agar seluruh komponen berjalan sesuai rencana yang telah ditentukan serta mencapai tujuan yang telah disepakati bersama. Penelitian ini bertujuan untuk mendeskripsikan pengaruh kompetensi manajerial Kepala Sekolah terhadap kinerja pendidik pada jenjang sekolah dasar. Metode penelitian yang digunakan yaitu metode penelitian ex post facto dengan desain korelasi. Teknik pengumpulan data dilaksanakan melalui observasi, wawancara dan penyebaran angket. Sampel penelitian ini yaitu 15 orang Kepala Sekolah dan 30 pendidik di jenjang sekolah dasar di wilayah Kecamatan Mojotengah, Kabupaten Wonosobo, Jawa Tengah. Hasil penelitian ini mengungkapkan bahwa nilai Adjusted R Square (Koefisien Determinasi) memperoleh nilai sebesar 0,410. Diartikan bahwa terdapat pengaruh kompetensi manajerial Kepala Sekolah sebanyak 41% terhadap kinerja pendidik. Berdasarkan hasil penelitian yang telah dipaparkan, dapat disimpulkan bahwa terdapat pengaruh positif yang cukup signifikan antara kompetensi manajerial Kepala Sekolah dengan kinerja pendidik.
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 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.026 | 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".