FAKTOR-FAKTOR YANG MEMPENGARUHI RENDAHNYA PENGGUNAKAN ALAT KONTRASEPSI IUD DI WILAYAH KERJA UPTD PUSKESMA DTP SUKARAME TAHUN 2014.
Bibliographic record
Abstract
Di Wilayah UPTD Puskesma DTP Sukarame, dari 7196 peserta KB paling banyak menggunakan suntik akseptor (44,69%), menyusul akseptor yang mengggunakan pil (1,22%) sedangkan jenis alat kontrasepsi yang paling sedikit dipilih adalah IUD 367 akseptor (5,10%). Berdasarkan data tersebut pengguna alat kontrasepsi IUD adalah pengguna yang paling rendah di wilayah tersebut. Tujuan dari penelitian ini adalah mengetahui Faktor-Faktor Yang Mempengaruhi Rendahnya Penggunakan Alat Kontrasepsi IUD Di wilayah kerja UPTD Puskesma DTP Sukarame tahun 2014. Penelitian jenis kuantitatif dengan metode deskriptif,yang bertujuan untuk mengambarkan Faktor-Faktor Yang Mempengaruhi Rendahnya Penggunakan Alat Kontrasepsi IUD Di wilayah kerja UPTD Puskesma DTP Sukarame tahun 2014.Populasi penelitian adalah seluruh pasangan usia subur sejumlah 1068 orang, dengan pengambilan sampel dalam menggunakan proportional Random Sampling. Selanjutnya dilakukan pengambilan sampel dari tiap kelurahan dengan teknik proportional random sampling. Instrumen utama dalam penelitian ini menggunakan format kusioner dengan wawancara untuk melihat penggunaan alat kontrasepsi AKDR. Hasil penelitian menyatakan bahwa sebagian besar pada kelompok usia 20-35 tahun, Paritas responden primipara, Pendidikan responden sebagian termasuk rendah, Sebagian besar responden tidak mendapat KIE dari petugas kesehatan, Sebagian besar responden tidak mendapat dukungan serta Sebagian besar responden memiliki pendapatan kurang dari UMR . Saran yang direkomendasikan bahwa penggunaan alat kontasepsi jangka panjang khususnya IUD petugas perlu melakukan sosialisasi sesuai dengan tujuan dan karakteristik akseptor. Disamping itu masyarakat perlu meningkatkan pengetahuan tentang alat kontrasepsi sesuai dengan peruntukannya
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.016 | 0.004 |
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".