Faktor – Faktor yang Berhubungan dengan Perilaku Pemilihan Tempat Persalinan di Wilayah Kerja UPT Puskesmas Muara Teweh Tahun 2022
Bibliographic record
Abstract
Penurunan ngka kematian Ibu dan Bayi masih menjadi prioritas program Kesehatan di Indonesia. Tujuan dari penelitian ini adalah untuk mengetahui faktor-faktor yang berhubungan dengan pemilihan tempat persalinan di wilayah kerja Puskesmas Muara Teweh. Penelitian ini merupakan penelitian Kuantitatif dan Jenis penelitian adalah Observasional Analitik. Pendekatan yang digunakan adalah pendekatan cross sectional, Populasinya adalah ibu hamil trimester I,II, dan III yang ada di wilayah kerja Puskesmas Muara teweh pada bulan maret sampai mei tahun 2022 sebanyak 110 orang, Pengukuran sampel dilakukan menggunakan rumus slovin hingga diperoleh responden sebanyak 52 orang . Hasil penelitian menunjukkan bahwa proporsi ibu yang bersedia memilih persalinan di faskes berjumlah 42 responden (80,8%), 10 responden (19,2) tidak bersedia memilih bersalin di faskes.Pendidikan hasil p value 0,085,Pekerjaan hasil p value 0,492 ,Pengetahuan hasil p value=1,000 ,Jarak rumah ke fasilitas kesehatan hasil p value=1,000, dukungan keluarga hasil p value=0,043. DIsarankan kepada kepala Puskesmas Muara Teweh dan jajarannyadapat meningkatkan cakupan persalinan di fasilitas kesehatan ,Disarankan kepada semua bidan desa untuk memberikan penyuluhan atau konseling pada ibu terutama ibu trimester III tentang pemilihan tempat persalinan yang aman sehingga dapat menghindari komplikasi pada ibu dan bayi.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.023 | 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".