Pengembangan Modul Ajar Materi Puisi dengan Pendekatan Kontekstual pada Kurikulum Merdeka untuk Siswa Kelas X SMKN 1 Percut Sei Tuan Tahun Pembelajaran 2022/2023
Bibliographic record
Abstract
Tujuan penelitian ini adalah untuk mengetahui proses pengembangan modul ajar materi puisi dengan pendekatan kontekstual pada kurikulum merdeka untuk siswa kelas X SMK dan untuk mengetahui kelayakan produk yang dihasilkan. Penelitian ini menggunakan metode penelitian dan pengembangan (research and development) dengan menggunakan prosedur Borg and Gall dengan tahapan potensi masalah, pengumpulan data, desain produk, validasi produk, dan revisi produk. Nilai kelayakan dihitung dengan menggunakan skala likert terhadap hasil validasi ahli materi, validasi ahli desain, dan penilaian guru bidang studi. Proses pengembangan modul dilakukan untuk menambahkan beberapa kontribusi dalam mengembangkan modul ajar materi puisi yang telah ada menjadi lebih baik. Hasil penelitian menunjukkan bahwa produk yang dihasilkan dari penelitian ”Pengembangan Modul Ajar Materi Puisi dengan Pendekatan Kontekstual pada Kurikulum Merdeka untuk Siswa Kelas X SMK Negeri 1 Percut Sei Tuan Tahun Pembelajaran 2022/2023” termasuk dalam kategori ”Sangat Baik”. Hal ini didasarkan kepada hasil validasi dan ahli materi yang dilakukan sebanyak dua kali dengan nilai sebesar 98% dengan kategori ”Sangat Baik” serta validasi ahli media sebanyak 2 kali dengan nilai sebesar 83% dengan Kategori ”Sangat baik”. Dengan demikian, produk dikatakan layak digunakan dalam proses pembelajaran.
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 | 0.006 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.050 | 0.013 |
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".