ANALISIS PERENCANAAN PEMBANGUNAN DAN PENINGKATAN KUALITAS INFRASTRUKTUR EKONOMI SOSIAL UNTUK MENINGKATKAN KUALITAS PENDIDIKAN
Bibliographic record
Abstract
Pembangunan dan peningkatan kualitas infrastruktur ekonomi sosial di Kabupaten Batang dilakukan sebagai salah satu upaya mewujudkan kualitas bidang pendidikan. Penelitian ini bertujuan untuk mendeskripsikan dan menganalisis proses perencanaan dan pencapaian pembangunan infrastruktur di Kabupaten Batang dengan pendekatan deskriptif kualitatif. Teknik pengumpulan data dengan wawancara dan dokumentasi. Teknik pemerikasaan keabsahan data dilakukan dengan triangulasi sumber. Teknik analisis data dilakukan secara deskriptif kualitatif. Hasil penelitian menemukan bahwa (1) Proses perencanaan pembangunan dan peningkatan kualitas infrastruktur ekonomi sosial untuk meningkatkan kualitas pendidikan di Kabupaten Batang menjadi tugas dan kewenangan dari Bappelitbang Kabupaten Batang melalui empat proses yaitu penyusunan rancangan awal, pelaksanaan Musrenbang, perumusan rancangan akhir; dan penetapan rencana. (2) Hasil pembangunan dan peningkatan kualitas infrastruktur ekonomi sosial di Kabupaten Batang pada tahun 2018 adalah sebesar 75,77% atau pencapaiannya cukup berhasil/cukup baik. Capaian pada indikator pendidikan jenjang PAUD mengalami peningkatan dari tahun 2012 sampai 2016 sehingga dapat dikategorikan baik. Pada jenjang sekolah dasar 9 tahun mengalami fluktuasi pada tiap indikator. Pada indikator angka kelulusan untuk SD/MI perlu ditingkatkan kembali. Capaian pada jenjang SMA/SMK pada tiap indikator mengalami fluktuasi, sementara angka kelulusan pada jenjang SMA/SMK/MA ini perlu untuk tingkatkan kembali.
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 | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.024 | 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".