PENDAMPINGAN 25 INDIKATOR PERCEPATAN PENURUNAN STUNTING DI KABUPATEN FLORES TIMUR, PROPINSI NUSA TENGGARA TIMUR
Bibliographic record
Abstract
Hasil pencatatan aplikasi elektronik pelaporan gizi berbasisMasyarakat (ePPGBM) periode tahun 2021 melaporkan bahwa kasus stunting pada anak di Kabupaten Flores Timur mengalami penurunan dari 22.7 persen pada tahun 2020 menjadi 20,9% di tahun 2021. Walaupun mengalami penurunan, angka ini masih sangat mengkhawatirkan jika dibandingkan dengan cut of point prevalensi stunting di Indonesia dan badan kesehatan dunia (WHO) yaitu kurang dari 20%. Hasil riview kinerja oleh Tim Pokja Stunting Propinsi NTT pada bulan April 2020 menunjukkan bahwa kinerja Kabupaten Flores Timur masih belum memuaskan. Hasil ini didukung dengan rekomendasi uji petik proses Indepth Interviuw pada sampel keluarga 1000 HPK yang dilakukan pada bulan Nopember 2021 diketahui bahwa program pemerintah daerah dan non pemerintah daerah masih banyak yang belum menjawab permasalahan dilapangan. Selain itu, alokasi anggaran serta penentuan lokus dan sasaran setiap program belum sesuai atau belum tepat jika dibandingkan berdasarkan data sebaran stunting dan keluarga 1000 HPK. Hal ini berarti bahwa pelaksanaan konvergensi dilevel pemerintah daerah bersama semua stakeholder (pihak non pemerintah/swasta) belum berjalan dengan baik. Oleh karena itu, proses pendampingan kepada pihak pemerintah daerah dan sektor swasta (non pemerintah daerah) dirasakan perlu untuk dilakukan dengan tujuan melakukan observasi dan mengidentifikasi secara dekat kendala-kendala dilapangan. Adapun metode pendampingan yang dilakukan adalah kombinasi antara metode Observasi, penyuluhan dan simulasi. Hasil yang diperoleh adalah tingkat pemahaman pemerintah daerah dan semua stakeholder terkait tentang stunting, determinan, dampak dan langkah penanunggulangan serta pencegahannya sudah baik. Namun, kendala yang dihadapi pada tahun 2021 adalah kondisi pandemic yang secara tidak langsung berpengaruh terhadap alokasi anggaran dan proses pelayanan kepada masyarakat termasuk keluarga 1000 HPK. Setelah dilakukan pendampingan kepada pemerintah daerah dan semua stakeholder terkait telah memahami tugas dan fungsi masing – masing dalam pelaksanaan konvergensi. Rekomendasi yang di berikan adalah perlu penekanan pada beberapa cakupan intervensi yang masih rendah persentasenya yaitu : balita kurus yang mendapat PMT, balita diare yang mendapatkan suplementasi zinc, program bina keluarga balita (BKB), orang tua yang mengikuti kelas parenting, anak berusia 2-6 tahun yang terdaftar di kelas PAUD, program keluarga yang mendapatkan bantuan PKH, desa yang menerapkan KRPL, dan ibu hamil yang terlibat dalam kelas konseling.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
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".