PENGAWASAN PEMERINTAH DAERAH DALAM PENANGGULANGAN TERORISME DI KOTA CIMAHI
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Pada tahun 2013, 2018, dan 2019 terjadi penangkapan terorisme di Kota Cimahi. Kota Cimahi dianggap rawan menjadi tempat persembunyian teroris. Maka penelitian ini bertujuan untuk mengetahui pengawasan Pemerintah Daerah Kota Cimahi dalam penanggulangan terorisme. Metode penelitian yang digunakan yaitu desktiptif dengan pendekatan kualitatif. Hasil penelitian menunjukkan bahwa Pemerintah DaerahKota Cimahi dalam penanggulangan terorisme, melalui Kantor Kesatuan Bangsa dan Politik (Kesbangpol) Kota Cimahi bersinergi dengan pihak kepolisian dan juga masyarakat Kota Cimahi. Melalui Forum Kewaspadaan Dini Masyarakat, Kesbangpol bersama dengan pihak kepolisian, memberi edukasi kepada masyarakat terkait radikaslime dan terorisme. Baik pihak Kesbapol dan kepolisian, telah memiliki SDM yang berkompeten dalam pengawasan. Hanya saja sejauh ini yang menjadi kekurangan adalah terkait kuantitas dari SDM di kepolisian. Perencanaan pengawasan dalam penanggulangan terorisme di Kota Cimahi dilakukan dengan pemetaan tugas kepada masing-masing unit yang ada di kepolisian. Anggaran khusus untuk penanganan terorisme belum ada. Jadi, kesimpulannya adalah pengawasan penanggulangan di Pemerintah Kota Cimahi dilakukan dengan cara mengajak masyarakat untuk melihat lingkungan sekitarnya, dan apabila ada hal yang mencurigakan bisa langsung melaporkan kepada Pemerintah atau pihak kepolisian.
 Kata Kunci: Pengawasan, Terorisme, Pemerintah Daerah
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
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 it