IMPLEMENTASI PELAYANAN PENERBITAN KARTU TANDA PENDUDUK BAGI PENGANTIN BARU “ KAPERU” DINAS KEPENDUDUKAN DAN PENCATATAN SIPIL KABUPATEN BANTUL
Bibliographic record
Abstract
Penelitian tesis ini dimaksudkan untuk menganalisis faktor penyebab tingginya jumlah aduan dan upaya untuk menanggulangi tingginya jumlah aduan pelayanan penerbitan dokumen kependudukan yaitu kartu keluarga dan kartu tanda penduduk bagi pengantin baru atau Kaperu. Penelitian ini merupakan penelitian kualitatif deskriptif, hasil penelitian yang dideskripsikan dalam sebuah narasi mengungkapkan permasalahan yang didapatkan melalui dokumentasi, wawancara, dan observasi. Produk hasil inovasi dan kerjasama yang dilakukan oleh Kementerian Agama Kabupaten Bantul dengan Dinas Kependudukan dan Pencatatan Sipil Kabupaten Bantul dalam implementasinya terdapat ketidaksesuaian dengan standar operasional prosedur pelayanan dan nota perjanjian MoU yang telah disepakati bersama berdampak pada tingginya jumlah aduan. Jumlah aduan tertinggi berasal dari pemohon layanan kaperu yang berdomisili di 4 Kecamatan yakni Kecamatan Plered, Bantul, Pajangan dan Srandakan. Hasil yang didapatkan dari penelitian tersebut diketahui faktor penyebab tingginya jumlah aduan disebabkan oleh, keterlambatan dan kesalahan dokumen, rendahnya komitmen kerja, rendahnya kedisiplinan kerja, beban kerja yang melebihi kapasitas yang mampu dijangkau dan diselesaikan. Upaya untuk mengatasi tingginya jumlah aduan dilakukan strategi manajemen sumber daya mausia ditempuh dengan cara memberikan layanan antar dokumen kependudukan melalui bantuan caraka, singkronisasi data oleh Administration Data Base, kebijakan pendisiplinan dengan memberikan sanksi dan penghargaan, Perencanaan Rekrutmen Karyawan dan Pengintegrasian Tugas Antar-Bidang.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.046 | 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 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".