<![CDATA[Penelitian ini bertujuan untuk mengetahui 1). kualitas keterampilan proses sains siswa pada materi asam basa, 2). mengetahui aspek keterampilan proses sains dengan persentase tertinggi dan terendah pada siswa, 3). mengetahui respon siswa terhadap kegiatan pembelajaran melalui model Predict, Observe, Explain (POE). Metode penelitian yang digunakan adalah deskriptif. Teknik pengambilan sampel dengan purposive sampling. Teknik pengumpulan data menggunakan lembar observasi, lembar kegiatan siswa, Teknik analisis data dihitung berdasarkan jumlah data checklist pada lembar observasi berdasarkan pedoman skala likert dan penilaian lembar kegiatan siswa berdasarkan pedoman penilaian yang telah dibuat, Data yang sudah dijumlahkan dihitung rata-ratanya kemudian dipersentasekan pada setiap aspek keterampilan proses sains sehingga diperoleh persentase nilai rata-rata aspek keterampilan proses sains siswa secara keseluruhan. Hasil persentase yang diperoleh kemudian dikategorikan berdasarkan 5 kategori yaitu sangat baik, baik, cukup, kurang, dan sangat kurang. Hasil penelitian disimpulkan bahwa 1) kemampuan keterampilan proses sains siswa yang termasuk dalam kategori rata-rata baik adalah mengajukan pertanyaan merencanakan percobaan, menggunakan alat/bahan, mengklasifikasikan, interprestasi, mengkomunikasikan masuk dalam kategori rata-rata baik. Sedangkan menyusun hipotesis, observasi, memprediksi, dan menerapkan konsep termasuk dalam kategori rata-rata cukup, 2) Aspek keterampilan proses sains dengan persentase tertinggi adalah keterampilan Komunikasi dengan persentase sebesar 79,25% dengan kategori baik. Sedangkan persentase terendah adalah keterampilan memprediksi dengan persentase sebesar 55,00% 3) Siswa senang belajar dengan model pembelajaran POE karena banyak melibatkan siswa dalam proses belajar sehingga siswa dituntut aktif dalam mengembangkan keterampilan proses sainsnya. Sedangkan diskusi kelompok dapat mengembangkan kemampuan siswa dalam berkomunikasi dan hubungan sosial antar siswa semakin meningkat.]]>
Copyrights © 2022
