Faktor - Faktor yang Mempengaruhi Jumlah Balita Stunting di Kota Yogyakarta
Bibliographic record
Abstract
Stunting merupakan masalah gizi kronis akibat kurangnya asupan gizi dalam jangka waktu panjang sehingga mengakibatkan terganggunya pertumbuhan pada anak. Stunting juga menjadi salah satu penyebab tinggi badan anak terhambat, sehingga lebih rendah dibandingkan anak-anak seusianya. Penelitian ini bertujuan untuk mencari tahu bagaimana sebenarnya pengaruh perubahan persentase bayi mendapat asi eksklusif, persentase balita memperoleh imunisasi dasar lengkap, dan persentase balita kurang gizi mendapat tambahan asupan gizi terhadap jumlah balita stunting di Kota Yogyakarta Tahun 2023. Pada penelitian ini pendekatan yang digunakan adalah pendekatan kuantitatif. Data yang digunakan dalam paper ini adalah data sekunder yang didapatkan melalui Badan Perencanaan Pembangunan Daerah (Bappeda) Kota Yogyakarta, jurnal, dokumentasi pemerintah, atau publikasi pemerintah, dokumentasi suatu lembaga, dan analisis deskriptif dari media, serta yang lainnya. Data diolah dan dianalisis dengan menggunakan uji regresi binomial negatif dan memperoleh persamaan Y = 4,847817 - 0,0051711X1 - 0,0092116X2 - 0,0040159X3 + ϵ. Berdasarkan dari hasil penelitian ini dapat disimpulkan bahwa perubahan persentase bayi mendapat asi eksklusif, persentase balita memperoleh imunisasi dasar lengkap, dan persentase balita kurang gizi mendapat tambahan asupan gizi memiliki pengaruh yang tidak signifikan terhadap jumlah balita stunting.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.074 | 0.021 |
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".