FORMULASI KEBIJAKAN PEMEKARAN DESA DI DESA NGUMPAKDALEM KECAMATAN DANDER KABUPATEN BOJONEGORO
Bibliographic record
Abstract
Karena kurangnya perhatian, proses perumusan kebijakan menjadi sangat sulit. Terakhir, opini publik seringkali diabaikan saat membuat kebijakan. Formulasi kebijakan adalah proses pembuatan dan pelaksanaan berbagai kebijakan untuk mencapai tujuan tertentu. Kebijakan pemekaran wilayah diatur oleh UU No 23 Tahun 2014 tentang Pemerintah Daerah dan Permendagri No 1 Tahun 2017 tentang Desa. Kebijakan ini mencakup empatdesa di empat kecamatan yang tersebar di kabupaten Bojonegoro yaitu desa Napis kecamatan Tambakrejo, desa Leran Kecamatan Kalitidu, desa Ngumpakdalem kecamatan Dander, dan desa Sukorejo kecamatan Bojonegoro Kota. Namun, hingga saat ini pemekaran wilayah ini masih belum terjadi dan memerlukan banyak proses. Penelitian ini hanya berfokus pada pembuatan kebijakan pemekaran desa di desa Ngumpakdalem, yang memiliki populasi lebih dari sepuluh ribu orang di kecamatan Dander kabupaten Bojonegoro. Studi ini bertujuan untuk mengetahui apa yang dilakukan pemerintah desa, pemerintah daerah, dan masyarakat selama proses pemekaran desa yang belum selesai. Teori formulasi William N. Dunn yang mencakup indikator pengenalan, spesifikasi, pendefinisian, dan pencarian masalah digunakan dalam penelitian ini, yang merupakan metode kualitatif.
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) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.036 | 0.008 |
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".