Analisis Implementasi UU Nomor 6 tahun 2014 tentang Desa dalam Pengelolaan Alokasi Dana Desa dengan Metode Logic Model (Studi pada Desa Pateken Kecamatan Wonoboyo Kabupaten Temanggung Jawa Tengah Tahun 2016).
Bibliographic record
Abstract
Desa adalah susunan pemerintahan terkecil di Negara Kesatuan Republik Indonesia ini. Pengaturan Desa yang baik secara tidak langsung dapat menyebabkan munculnya sistem pemerintahan yang baik pula. Undang-undang no.6 tahun 2014 adalah satu bentuk bahwa pemerintah telah berusaha memperbaiki tata kelola pemerintahan Desa agar dapat berjalan lebih baik. Tata kelola Keuangan pemerintah Desa identik dengan mengelolaan Alokasi dana Desa (ADD). Laporan ADD merupakan sebuah bentuk pertanggung jawaban Desa terhadap pemerintah pusat. Dengan adanya Undang-undang No.6 Tahun tahun 2014 tentang Desa, Desa diharapkan mampu mengem-bangkan potensi Desa dengan optimal. Penelitian ini memfokuskan perhatian pada penerapan prinsip akuntabilitas dalam pengelolaan ADD sebagai implementasi Un-dang-undang No.6 Tahun 2014 dengan tujuan untuk mendeskripsikan akuntabilitas pengelolaan Alokasi Dana Desa dengan menggunakan Model Logic.Penelitian ini merupakan rangkaian penelitian yang dilakukan karena sebelumnya dilakukan kegiatan pengabdian masyarakat terkait kesiapan implementasi Undang-undang no.6 Tahun 2014 tentang Desa dan ditemukan indikasi bahwa Desa Pateken dalam menyelenggarakan administrasi keuangannya belum sesuai dengan peraturan yang berlaku. Penelitian ini menggunakan metode kualitatif dengan pendekatan studi kasus, alat analisis yang digunakan adalah Model Logika.
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 | 0.003 | 0.010 |
| 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 | 0.003 | 0.004 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.031 | 0.008 |
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".