Pemaknaan Nasionalisme dalam Upaya Pencegahan Illegal Trading di Wilayah Perbatasan
Bibliographic record
Abstract
Penelitian ini dilatarbelakangi oleh rendahnya sikap nasionalisme masyarakat di perbatasan Indonesia dan Timor Leste. Masyarakat yang tinggal di wilayah perbatasan ini melakukan praktek illegal trading serta penyelundupan barang. Penelitian ini bertujuan untuk mencegah praktek illegal trading di wilayah perbatasan melalui pemaknaan nasionalisme. Pemaknaan nasionalisme yang diselenggarakan berupa pelaksanaan kegiatan yang melibatkan seluruh komponen masyarakat, seperti: pawai obor dan pengibaran bendera. Pendekatan kualitatif menjadi rancangan dalam penelitian ini dengan metode studi kasus. Subjek dalam penelitian ini adalah para pemuda karang taruna serta masyarakat umum di Desa Napan. Partisipan dalam penelitian ini yakni kepala desa, ketua karang taruna, tokoh adat serta tokoh masyarakat. Metode pengumpulan data yang digunakan adalah observasi, wawancara, dan dokumentasi. Teknik analisis data terdiri dari reduksi, penyajian, dan penarikan kesimpulan. Penelitian ini menyimpulkan bahwa melalui kegiatan pawai obor dan pengibaran bendera raksasa mampu mengembangkan sikap nasionalisme masyarakat di perbatasan. Pelanggaran praktek illegal trading dapat dicegah melalui pemaknaan nasionalisme dalam bentuk kegiatan pawai obor dan pengibaran bendera raksasa. Penelitian ini juga memiliki implikasi terhadap Desa Napan yakni harus segera membuat peraturan desa. Peraturan tersebut dapat mengayomi pemerintah Desa secara konstitusional terhadap praktek penyelundupan barang dan illegal trading.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.042 | 0.005 |
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".