ANALISIS REGRESI LOGISTIK MULTINOMIAL PADA PEMILIHAN ALAT KONTRASEPSI WANITA (Studi Kasus di Puskesmas Sungai Kakap)
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
Regresi logistik multinomial merupakan regresi yang digunakan saat variabel dependen mempunyai skala yang bersifat multinomial. Skala multinomial adalah suatu pengukuran yang dikategorikan menjadi lebih dari dua kategori. Data yang digunakan pada penelitian ini berupa data primer tentang karakteristik pengguna alat kontrasepsi di Puskesmas Sungai Kakap. Ukuran data yang digunakan adalah sebanyak 150 dengan variabel dependen berupa jenis alat kontrasepsi, yaitu IUD, MOW, implant, suntik dan pil, sedangkan untuk variabel independen berupa usia ibu, pekerjaan ibu, pendidikan suami, pekerjaan suami, jumlah anak hidup, umur anak terakhir, dan rencana hamil. Penelitian ini bertujuan untuk menganalisis faktor yang berpengaruh terhadap pemilihan alat kontrasepsi dan untuk mengetahui probabilitas pemilihan alat kontrasepsi wanita di Puskesmas Sungai Kakap. Hasil penelitian menunjukkan probabilitas seorang ibu dalam menentukan pemilihan alat kontrasepsi dipengaruhi oleh umur ibu, pekerjaan ayah, jumlah anak hidup, dan rencana hamil. Probabilitas kelompok ibu yang berusia diatas 30 tahun dengan jenis pekerjaan suami terampil, jumlah anak lebih dari 2 orang dan tidak memiliki rencana hamil, untuk memilih IUD-MOW-implant adalah 22,898%. Probabilitas kelompok ibu yang berusia kurang dari atau sama dengan 30 tahun dengan jenis pekerjaan suami terampil, jumlah anak kurang dari atau sama dengan 2 orang dan memiliki rencana hamil, untuk memilih suntik adalah 94,7562% dan probabilitas kelompok ibu yang berusia diatas 30 tahun dengan jenis pekerjaan suami tidak terampil, jumlah anak kurang dari atau sama dengan 2 orang dan tidak memiliki rencana hamil, untuk memilih pil adalah 91,509%. Kata kunci : Regresi Logistik Multinomial, pemilihan alat kontrasepsi
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 | 0.005 | 0.002 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.004 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.006 | 0.010 |
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