FAKTOR-FAKTOR YANG MEMPENGARUHI PENGGUNAAN KONTRASEPSI MODERN OLEH WUS KAWIN PADA LIMA PROVINSI DI KTI (NTT, MALUKU, MALUKU UTARA, PAPUA, DAN PAPUA BARAT) TAHUN 2017
Notice bibliographique
Résumé
Laju pertumbuhan penduduk yang tinggi serta penduduk yang semakin padat dapat mengakibatkan berbabagai masalah lain seperti jaminan kesejahteraan yang tidak dapat terlaksana secara optimal. Sehingga pemerintah mengeluarkan kebijakan untuk mengatasi masalah kependudukan salah satunya adalah program KB (Keluarga Berencana) dengan penggunaan kontrasepsi modern. Namun, partisipasi penggunaan kontrasepsi modern yang masih belum merata menjadi masalah lain. Seperti di wilayah KTI (Kawasan Timur Indonesia ) 10 dari 17 provinsi di KTI dalam penggunaan kontrasepsi modernnya masih berada di bawah rata-rata Nasional. Padahal pemerintah telah mengeluarkan kebijakan pemberian kontrasepsi gratis sejak tahun 2011 terhadap wilayah dengan TFR tinggi dan penggunaan kontrasepsi rendah. Oleh karena itu, penelitian ini bertujuan unutuk mengetahui gambaran dan variabel yang signifikan mempengaruhi penggunaan kontrasepsi modern wanita usia subur kawin pada lima provinsi di KTI tahun 2017, yaitu Nusa Tenggara Timur, Maluku, Maluku Utara, Papua, dan Papua Barat. Hasil regresi logistik biner diperoleh wanita dengan umur 25 sampai 34 tahun, jumlah anak hidup lebih dari dua, menginginkan jumlah anak maksimal dua anak, pendidikan SD sampai SMP, bekerja, pendidikan suami SD sampai SMP, suami yang bekerja, dan mendapat kunjungan petugas KB memiliki hubungan yang signifikan dengan penggunaan kontrasepsi modern. Peran petugas KB lebih dioptimalkan dalam menjaring calon pengguna kontrasepsi modern.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».