Penggunaan Time Travel Dalam Karakter Anti-Hero Pada Penulisan Skenario Film Fiksi “Celeng Di Padang Tandus”
Bibliographic record
Abstract
Konflik persengketaan warisan adalah masalah pelik yang sering terjadi di Indonesia. Persengketaan warisan terjadi karena adanya salah satu pihak ahli waris yang merasa tidak adil dalam jumlah pembagian warisan. Seperti yang terjadi di Gunungkidul, Yogyakarta. Biasanya, para orang tua membagi hartanya pada saat masih hidup sebagai tabungan untuk anaknya, sehingga saat orang tua sudah meninggal, harta yang sudah dibagikan tersebut otomatis menjadi warisan. Namun, dalam pembagian harta tersebut tidak selalu menggunakan metode pembagian warisan berdasarkan asas hukum yang ada. Alhasil, ketika orang tua sudah meninggal, konflik terjadi karena pembagian warisan yang dirasa tidak adil. Keresahan tentang kasus ini kemudian diangkat menjadi karya skenario film. Cerita akan dikembangkan menggunakan konsep time travel dan karakter anti-hero. Motivasi tokoh dalam cerita ini dilatarbelakangi oleh konflik warisan dan ekonomi, yang kemudian membuat Ia melakukan aksi pencurian warisan ke masa lalu demi mengambil apa yang menjadi hak keluarganya. Dalam perjalanan ke masa lalu, tokoh utama dibantu oleh seorang dukun menggunakan media lemari teleportasi. Sejarah masa lalu yang diubah karakter anti-hero ini akan berdampak pada akibat di masa depan yang berbeda, menyebabkan tokoh utama yang tadinya miskin menjadi kaya. Namun, setelah tokoh utama berhasil merebut harta warisan, aksi pencurian yang didasari oleh rasa serakah ini justru mengantarkannya ke dalam kehancuran keluarga, yang akhirnya membuatnya tersadar bahwa pencuriannya berakhir sia-sia. Pada akhirnya, tokoh utama berhasil mencapai tujuannya meskipun harus menanggung konsekuensi kehilangan keluarga. Penciptaan karya skenario dengan menggabungkan dua konsep ini berhasil diterapkan untuk membuat tokoh utama mencapai tujuannya.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.091 | 0.017 |
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".