PENGEMBANGAN MULTIMEDIA INTERAKTIF UNTUK PEMBELAJARAN MENGANALISIS SERAT TEKSTIL BUATAN DI SMK TATA BUSANA
Bibliographic record
Abstract
Penelitian ini bertujuan untuk: (1) menghasilkan multimedia interaktif untuk pembelajaran menganalisis serat tekstil buatan di SMK Tata Busana; (2) mengetahui kelayakan multimedia interaktif untuk pembelajaran menganalisis serat tekstil buatan di SMK Tata Busana ditinjau dari ahli materi; (3) mengetahui kelayakan multimedia interaktif untuk pembelajaran menganalisis serat tekstil buatan di SMK Tata Busana ditinjau dari ahli media; (3) mengetahui kelayakan multimedia interaktif untuk pembelajaran menganalisis serat tekstil buatan di SMK Tata Busana ditinjau dari pengguna siswa. \nJenis penelitian ini adalah R&D (Research and Development) menggunakan model pengembangan 4D yang dikembangkan oleh Thiagarajan terdiri dari 4 tahapan yaitu: (1) define (pendefinisian); (2) design (perancangan); (3) develop (pengembangan); (4) disseminate (penyebarluasan). Subjek penelitian ini adalah peserta didik kelas X Tata Busana SMK Karya Rini yang berjumlah 24 peserta didik tahun ajaran 2018/2019. Teknik pengumpulan data yang digunakan penelitian ini adalah observasi, wawancara, dan angket. Teknik analisis data dilakukan dengan cara diskriptif kuantitatif. \nHasil penelitian ini adalah: (1) berupa produk multimedia interaktif untuk menganalisis serat tekstil buatan dalam mata pelajaran pengetahuan bahan tekstil di SMK Tata Busana; (2) kelayakan multimedia interaktif ditinjau dari ahli materi mendapat skor 70,33 prosentase 87,91% dinyatakan sangat layak; (3) kelayakan multimedia ditinjau dari ahli media mendapat skor 76,5 prosentase 95,62% dinyatakan sangat layak; (4) kelayakan multimedia ditinjau dari uji coba skala kecil mendapat skor 92,2 prosentase 82,32% dinyatakan sangat layak dan uji coba skala besar mendapat skor 93,4 prosentase 83,37% dinyatakan sangat layak. Dengan demikian multimedia interaktif dinyatakan sangat layak dan dapat digunakan sebagai media 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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.031 | 0.006 |
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".