TINGKAT STRES KELUARGA DI MASA NEW NORMAL
Bibliographic record
Abstract
Pendahuluan: Pandemi yang terjadi saat ini disebabkan karena adanya Coronavirus Disease (COVID-19) yang berangsur cukup lama. Krisis kesehatan pandemi COVID-19 menyebabkan perubahan psikologis seperti ketakutan, kecemasan, depresi dan stres. Gejolak ini dirasakan oleh seluruh masyarakat. Tetapi banyak masyarakat mengalami ketakutan tertular karena pengetahuan tentang COVID-19 yang terbatas atau salah. Tingkat stress pada masa pandemic telah banyak dilakukan survey baik tenaga Kesehatan ataupun individu di Indonesia, namun belum terdapat penelitian tingkat stress pada keluarga khususnya di Kota Bekasi. Stres yang berlebihan dapat mengganggu kemampuan seseorang dalam menghadapi lingkungan. Tujuan: mengetahui tingkat stres keluarga di masa new normal berdasarkan karakteristik demografi. Metode: Desain penelitian ini adalah deskriptif analitik. Menggunakan uji statistik univariat. Cara ukur penelitian ini mengunakan kuesioner. Instrumen penelitian ini menggunakan instrumen yang dihasilkan oleh peneliti utama Perdana,Wade, May, Jenkins, dan Dillon studi CRAMPED (DB) dan anggota laboratorium di University of Waterloo, Canada (2021) tentang The COVID-19 Family Stressor Scale: Validation and Measurement Invariance in Female and Male Caregivers, kemudian kuesioner telah dimodifikasi oleh peneliti karena ada penambahan kata atau kalimat yang disesuaikan dengan kondisi pandemi COVID-19 di Indonesia. Hasil: pada penelitian ini di Kelurahan Margahayu, responden yang mengalami peningkatan stres mayoritas berusia 25-34 tahun yaitu 60,5%, berjenis kelamin laki-laki yaitu 52,0%, sebagai suami yaitu 52,0%, bekerja sebagai Pegawai swasta yaitu 73,0%, mengalami stres sedang yaitu: 38,3. Kesimpulan: Tingkat stres keluarga terbanyak adalah ringan dengan terbanyak kepala keluarga berjenis kelamin laki-laki dan berusia 25-34 tahun.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
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".