ANALISA DETERMINAN PEMILIHAN ALAT KONTRASEPSI INTRA UTERI DEVICE (IUD)
Bibliographic record
Abstract
Salah satu strategi dari pelaksanaan program KB sendiri seperti tercantum dalam rencana pembangunan jangka menengah (RPJM) tahun 2004-2009 adalah meningkatnya penggunaan metode kontrasepsi jangka panjang (MKJP) seperti IUD (Intra Uterine Device), implan susuk dan sterilisasi. Di Indonesia pada tahun 2016 kontrasepsi yang paling tinggi digunakan adalah suntik sebanyak 53,9%, dan IUD kontrasepsi terendah sebanyak 6,6% (BKKBN, 2016). Tujuan penelitian adalah untuk mengetahui faktor yang berhubungan dengan pemilihan alat kontrasepsi IUD di Wilayah Kerja Puskesmas Uepai Kabupaten Konawe. Metode penelitian dengan pendekatan kuantitatif menggunakan rancangan cross sectional. Sampel dalam penelitian ini adalah sebagian dari Pasangan Usia Subur (PUS), yang sudah menikah dan masih aktif menjadi Akseptor KB (IUD dan Non IUD) yang tinggal di Wilayah Kerja UPTD Puskesmas Uepai Kabupaten Konawe tahun 2018 berjumlah 94 sampel, instrument yang digunakan adalah kuesioner, hasil penelitian di analisa menggunakan chi-square. Hasil penelitian menunjukkan ada hubungan pengetahuan, pendidikan, sarana dan prasarana, sumber informasi, dukungan keluarga dan dukungan tenaga kesehatan dengan pemilihan alat kontrasepsi IUD dengan nilai p value masing-masing variabel < 0.05. Kesimpulan dalam penelitian faktor yang berhubungan dengan pemilihan alkon IUD adalah pengetahuan, pendidikan, sarana dan prasarana, sumber informasi, dukungan keluarga dan dukungan tenaga kesehatan. Kata Kunci : Alat kontrasepsi; IUD
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".