2. Methods2.1. SampleWe searched th

2. Methods
2.1. Sample
We searched the ERIC, Web of Science, Science Direct and
Proquest databases for relevant studies, primarily using the keywords
procrastination, delay, performance, academic performance,
achievement and academic achievement. We restricted the search
to articles published between 1984 and 2014 because the most
widely used measure of procrastination, the PASS, was developed
in 1984.
Retrieved studies were only included in the analysis if they met
the following three criteria, (1) written in English; (2) reported
correlation coefficients and (3) reported measures on both procrastination
and academic performance. Using these inclusion criteria
we selected a sample of 33 studies, based on a total of 38,529
participants. Table 1 summarizes the studies included in the metaanalysis.

2.2. Meta-analytic procedures
First, we coded the sample size of each study, the correlation
coefficient (r) for procrastination and academic performance, the
procrastination index used (PASS; API; TPS; APSI, GP, Choi and
Moran’s (2009) scale; measure developed by researcher or the
others), whether procrastination data were self-reported or based
on external assessment, the performance index used (GPA; midterm
or final examination score; assignment grade; quiz score;
course grade; rating of homework or ACT), whether performance
data were self-reported or based on external assessment, age (secondary
school student; college student; adult) and geographical
region (Asia; America; Europe; Africa or Oceania). When the publication
did not provide the data we required we asked the authors
to provide this information by email; some did not respond and
this resulted in missing data.
Next, we assessed heterogeneity using the homogeneity statistic
Q for selecting fixed or random effects models. We also calculated
the I2 index using the chi-square test to calculate the percentage
true heterogeneity. Huedo-Medina, Sanchez-Meca, Martin-
Martinez, and Botella (2006) defined low heterogeneity as
I2  25%, medium heterogeneity as I2  50% and high heterogeneity
as I2  75%.
We calculated weighted correlation coefficients (weighted
average r) using the sample sizes for individual studies and we also
computed average z and 95% confidence intervals.
We hypothesized that the choice of measures, type of data (selfreport
or external observation) and demographic profile of the
sample might affect the observed relationship between procrastination
and performance. Additional analyses were carried
out to evaluate the influence of these variables. First, we divided
the studies into 27 subgroups; eight subgroups for procrastination
measure, two subgroups for type of procrastination data (self-report;
external observation), seven subgroups for performance indicator,
two subgroups for type of performance data (self-report;
external observation), three subgroups for age, and five subgroups
for geographic region. Next we assessed heterogeneity using Q and
the I2 index for selecting fixed or random effects models and computed
weighted correlation coefficients, average z and 95% confidence
intervals for each subgroup.
Finally, we applied the fail-safe N and tolerance level tests to
determine whether we could safely ignore potential publication
bias i.e. a systematic difference in the strength or direction of
associations in unpublished or unretrieved studies compared with
studies in our sample. According to Rosenthal (1979), researchers
should calculate the number of studies needed to convert the
results. If the number of additional studies needed to overturn
the conclusion is larger than the tolerance level, the finding is
robust. That is, file drawer problem is improbable.
All analyses were carried out using the MIX program (Metaanalysis
with Interactive Explanations).

Hasil (Bahasa Indonesia) 1:

2. metode2.1. sampelKami mencari ERIC, Web ilmu pengetahuan, ilmu pengetahuan langsung danDatabase ProQuest untuk studi yang relevan, terutama menggunakan kata kuncipenundaan, penundaan, kinerja, prestasi akademik,pencapaian dan prestasi akademik. Kami membatasi pencarianArtikel yang diterbitkan antara tahun 1984 dan 2014 karena yang palingdigunakan secara luas ukuran penundaan, PASS, dikembangkanpada tahun 1984.Studi diperoleh hanya dimasukkan dalam analisis jika mereka bertemutiga kriteria, (1) ditulis dalam bahasa Inggris; (2) melaporkanKoefisien korelasi dan (3) langkah-langkah melaporkan penundaan keduadan performa akademis. Menggunakan kriteria InklusiKami memilih sampel studi 33, berdasarkan total 38,529peserta. Tabel 1 meringkas penelitian yang termasuk dalam meta-analisis.2.2. meta-analitik prosedurPertama, kita dikodekan ukuran sampel studi masing-masing, korelasiKoefisien (r) untuk penundaan dan performa akademis,penundaan indeks digunakan (LULUS; API; TPS; Choi APSI, GP, danMoran's skala (2009); ukuran yang dikembangkan oleh peneliti ataulain), Apakah penundaan data yang dilaporkan sendiri atau berbasispenilaian eksternal, indeks kinerja digunakan (GPA; ujian tengah semesteratau ujian akhir Skor; penetapan kelas; Kuis Skor;kelas Lapangan; Rating PR atau ACT), apakah kinerjadata yang dilaporkan sendiri atau berdasarkan assesment eksternal, Umur (sekundersiswa sekolah; mahasiswa; dewasa) dan geografiswilayah (Asia; Amerika; Eropa; Afrika atau Oceania). Ketika publikasitidak memberikan data yang kita dibutuhkan kami meminta para penulisuntuk menyediakan informasi ini melalui email; beberapa tidak menanggapi danini menghasilkan data yang hilang.Selanjutnya, kami dinilai heterogenitas menggunakan statistik keseragamanQ untuk memilih model efek tetap atau acak. Kami juga menghitungIndeks I2 menggunakan tes Chi-kuadrat untuk menghitung persentasebenar heterogenitas. Martin Huedo-Medina, Sanchez-Meca-Martinez, dan Botella (2006) rendah heterogenitas didefinisikan sebagaiI2 25%, menengah heterogenitas sebagai I2 50% dan heterogenitas tinggisebagai I2 75%.Kami menghitung tertimbang korelasi koefisien (tertimbangrata-rata r) menggunakan ukuran sampel untuk studi individu dan kami jugadihitung rata-rata z dan 95% confidence interval.Kami hipotesis bahwa pilihan ukuran, tipe data (selfreportatau eksternal pengamatan) dan profil demografisampel dapat mempengaruhi hubungan diamati penundaandan kinerja. Analisis tambahan dibawakeluar untuk mengevaluasi pengaruh variabel ini. Pertama, kami membagistudi ke subkumpulan 27; delapan subkumpulan untuk penundaanmengukur, dua subkumpulan untuk jenis data penundaan (self-laporan;eksternal pengamatan), tujuh subkumpulan untuk indikator kinerja,dua subkumpulan untuk jenis data kinerja (self-laporan;eksternal pengamatan), tiga subkumpulan untuk usia, dan subkumpulan-subkumpulan limauntuk wilayah geografis. Berikutnya kita menilai heterogenitas menggunakan Q danIndeks I2 untuk memilih tetap atau acak efek model dan dihitungtertimbang korelasi koefisien, rata-rata z dan keyakinan 95%interval untuk setiap subgrup.Akhirnya, kami menerapkan aman N dan toleransi ujian untukmenentukan apakah kita bisa dengan aman mengabaikan potensi publikasibias yaitu perbedaan sistematis dalam kekuatan atau arahAsosiasi dalam studi tidak dipublikasikan atau unretrieved dibandingkan denganstudi dalam sampel kami. Menurut Rosenthal (1979), para penelitiharus menghitung jumlah studi yang diperlukan untuk mengkonversihasil. Jika jumlah studi tambahan diperlukan untuk membalikkanKesimpulannya lebih besar dari tingkat toleransi, temuankuat. Yaitu file laci masalah mustahil.Semua analisis dilakukan menggunakan CAMPURAN program (meta-analisisdengan interaktif penjelasan).

Hasil (Bahasa Indonesia) 2:

2. Metode
2.1. Sampel
Kami mencari ERIC, Web of Science, Science Direct dan
database Proquest untuk studi yang relevan, terutama menggunakan kata kunci
penundaan, delay, kinerja, prestasi akademik,
prestasi dan prestasi akademik. Kami membatasi pencarian
untuk artikel yang dipublikasikan antara tahun 1984 dan 2014 karena paling
ukuran banyak digunakan prokrastinasi, LULUS, dikembangkan
pada tahun 1984.
studi Diperoleh hanya dimasukkan dalam analisis jika mereka bertemu
tiga kriteria berikut, (1) ditulis dalam bahasa Inggris ; (2) melaporkan
koefisien korelasi dan (3) melaporkan tindakan pada kedua prokrastinasi
dan prestasi akademik. Menggunakan kriteria inklusi ini
kami memilih sampel dari 33 penelitian, berdasarkan total 38.529
peserta. Tabel 1 merangkum penelitian yang termasuk dalam metaanalisis.

2.2. Prosedur meta-analisis
Pertama, kita kode ukuran sampel dari setiap studi, korelasi
koefisien (r) untuk penundaan dan kinerja akademik,
indeks penundaan digunakan (PASS; API; TPS; APSI, GP, Choi dan
Moran (2009) skala; mengukur dikembangkan oleh peneliti atau
orang lain), apakah data prokrastinasi yang dilaporkan sendiri atau berdasarkan
pada penilaian eksternal, indeks kinerja digunakan (IPK; ujian tengah semester
atau nilai ujian akhir; tugas grade; skor kuis,
tentu saja grade; wisatawan dari pekerjaan rumah atau ACT) , apakah kinerja
Data yang dilaporkan sendiri atau berdasarkan penilaian eksternal, usia (sekunder
siswa sekolah; mahasiswa, orang dewasa) dan geografis
wilayah (Asia; Amerika, Eropa, Afrika atau Oseania). Ketika publikasi
tidak memberikan data yang kita diperlukan kami meminta penulis
untuk memberikan informasi ini melalui email; beberapa tidak menanggapi dan
ini mengakibatkan data yang hilang.
Selanjutnya, kami menilai heterogenitas menggunakan homogenitas statistik
Q untuk memilih model efek tetap atau acak. Kami juga menghitung
indeks I2 menggunakan uji chi-square untuk menghitung persentase
heterogenitas benar. Huedo-Medina, Sanchez-Meca, Martin-
Martinez, dan Botella (2006) didefinisikan heterogenitas serendah
I2? 25%, heterogenitas media sebagai I2? 50% dan heterogenitas yang tinggi
sebagai I2? 75%.
Kami menghitung koefisien korelasi tertimbang (weighted
rata r) menggunakan ukuran sampel untuk penelitian individu dan kami juga
dihitung rata-rata z dan interval kepercayaan 95%.
Kami berhipotesis bahwa pilihan tindakan, jenis data (selfreport
atau observasi eksternal) dan profil demografis dari
sampel dapat mempengaruhi hubungan yang diamati antara prokrastinasi
dan kinerja. Analisis tambahan dilakukan
untuk mengevaluasi pengaruh variabel-variabel ini. Pertama, kami membagi
studi menjadi 27 subkelompok; delapan subkelompok untuk penundaan
ukuran, dua sub kelompok untuk jenis data prokrastinasi (self-laporan;
observasi eksternal), tujuh sub kelompok indikator kinerja,
dua sub kelompok untuk jenis data kinerja (laporan diri;
observasi eksternal), tiga sub kelompok untuk usia, dan lima subkelompok
untuk wilayah geografis. Berikutnya kami menilai heterogenitas menggunakan Q dan
indeks I2 untuk memilih efek tetap atau acak model dan dihitung
koefisien korelasi tertimbang, rata-rata z dan kepercayaan 95%
interval untuk setiap subkelompok.
Akhirnya, kami menerapkan gagal-aman N dan tingkat toleransi tes untuk
menentukan apakah kita bisa dengan aman mengabaikan potensi publikasi
Bias yaitu perbedaan sistematis dalam kekuatan atau arah
asosiasi dalam studi yang tidak dipublikasikan atau unretrieved dibandingkan dengan
penelitian dalam sampel kami. Menurut Rosenthal (1979), peneliti
harus menghitung jumlah penelitian yang diperlukan untuk mengkonversi
hasil. Jika jumlah studi tambahan yang dibutuhkan untuk membatalkan
kesimpulan lebih besar dari tingkat toleransi, temuan ini
kuat. Artinya, masalah laci file adalah mustahil.
Semua analisa dilakukan dengan menggunakan program MIX (metaanalisis
dengan Penjelasan Interaktif).