Pengaruh Kecerdasan Emosional, Perilaku Belajar, Minat Belajar Dan Cara Mengajar Dosen Terhadap Pemahaman Akuntansi Mahasiswa Universitas Bina Insan Lubuklinggau
Bibliographic record
Abstract
Fokus penelitian ini adalah untuk menganalisis potensi pengaruh kecerdasan emosional, perilaku belajar, minat belajar, dan metode pengajaran dosen terhadap pengetahuan akuntansi secara parsial dan agregat. Tujuan dari penelitian ini adalah untuk mengidentifikasi faktor-faktor yang paling signifikan dalam meningkatkan pemahaman akuntansi mahasiswa dan mengevaluasi pengaruh gabungan dari variabel-variabel tersebut terhadap hasil pembelajaran akuntansi. Metodologi penelitian yang digunakan adalah metode kuantitatif, dengan populasi penelitian terdiri dari 186 mahasiswa akuntansi dan sampel berjumlah 126 mahasiswa. Data diolah dan diperiksa menggunakan aplikasi SPSS versi 22. Hasil uji agregat menunjukkan nilai f hitung sebesar 13,723 melampaui nilai f tabel sebesar 2,45, yang mengindikasikan bahwa perilaku belajar, kecerdasan emosional, dan minat belajar dengan metode pengajaran dosen secara signifikan meningkatkan pemahaman akuntansi mahasiswa. Berdasarkan hasil beberapa pengujian, kecerdasan emosional secara signifikan meningkatkan pengetahuan akuntansi (nilai t hitung 4,435), perilaku belajar memiliki pengaruh yang sangat bermanfaat (nilai t hitung 5,522), minat belajar juga menunjukkan pengaruh yang signifikan (nilai t hitung 5,587), dan metode pengajaran dosen memberikan dampak yang signifikan dan menguntungkan (nilai t hitung 4,839).
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.019 | 0.002 |
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".