The FACTORS AFFECTING KB ACCEPTORS IN THE SELECTION OF IUD CONTRACEPTION EQUIPMENT IN THE WORK AREA KEMILING PUSKESMAS BANDAR LAMPUNG
Bibliographic record
Abstract
Program yang dicanangkan pemerintah untuk menekan tingginya laju pertumbuhan penduduk yaitu dengan program Keluarga Berencana (KB). Kontrasepsi nonhormonal seperti IUD yang digunakan oleh pemakai lebih efektif menekan tingkat kegagalan dibandingkan alat kontrasepsi hormonal seperti pil, suntik, susuk. Pengguna akseptor IUD di Puskesmas Kemiling tahun 2022 yaitu KB IUD 7.78%, KB MOP : 24 11.05%, KB WOW 26.26%, KB Implant 44.70%, KB Suntik 86.34%, KB pil 13.26% dan KB kondom 0.03%. Tujuan penelitian ini adalah diketahui faktor-faktor yang mempengaruhi Akseptor KB dalam pemilihan alat kontrasepsi IUD di Wilayah Kerja Puskesmas Kemiling Bandar Lampung tahun 2022. Jenis penelitian kuantitatif dengan pendekatan Cross-Sectional. Populasi dalam penelitian ini adalah seluruh peserta KB aktif dengan sampel sebanyak 151 sampel, Objek dalam penelitian ini adalah pemilihan alat kontrasepsi, pengetahuan, dukungan keluarga, peran petugas, dan status ekonomi. Penelitian ini telah dilaksanakan pada bulan Desember 2022 di wilayah kerja Puskesmas Kemiling Bandar Lampung. Pengumpulan data dengan lembar kuesioner, analisis data secara univariat dan bivariat (Chi-Square). Hasil penelitian ada hubungan pengetahuan (p-value=0,041), dukungan suami (p-value = 0,010), status ekonomi (p-value = 0,020) dengan pemilihan alat kontrasepsi IUD di Wilayah Kerja Puskesmas Kemiling Bandar Lampung Tahun 2022, dan Tidak ada hubungan peran petugas kesehatan dengan pemilihan alat kontrasepsi IUD di Wilayah Kerja Puskesmas Kemiling Bandar Lampung Tahun 2022 (p-value= 1.000) Saran: Membuka kelas bagi WUS, seperti : kegiatan penyuluhan kontrasepsi, konseling penggunaan kontrasepsi dan pelayanan kontrasepsi langsung, yang dilakukan rutin setiap bulan.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
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".