Praktik Baik: Evaluasi Pengarusutamaan Gender Kota Depok Provinsi Jawa Barat
Bibliographic record
Abstract
Pengarusutamaan Gender pada dasarnya adalah salah satu upaya menyelesaikan isu ketidakadilan gender. PUG dimaknai sebagai konsep, prinsip dan problematika kesetaraan gender yang diintegrasikan kedalam kebijakan, program dan kegiatan pembangunan pada semua tahap manajemen (perencanaan, penganggaran, pelaksanaan, pemantauan dan evaluasi). Kota Depok merupakan salah satu kota yang telah menerapkan PUG dalam pembangunan sejak tahun 2012 dan telah mendapatkan Penghargaan Anugerah Parahita Ekapraya (APE) yakni penghargaan yang diberikan kepada Kementerian/Lembaga dan Pemerintah Daerah yang telah mengintegrasikan PUG dalam pembangunan dengan kategori Utama pada tahun 2014, 2018, 2021 dan 2023. Walaupun demikian implementasi PUG dalam berbagai sektor pembangunan di Kota Depok masih dirasakan kurang optimal. Tulisan ini bertujuan untuk melihat sejauh mana pencapaian Pemerintah Kota Depok dalam melaksanakan PUG dengan melihat tujuh indikator yang ditetapkan. Penelitian ini menggunakan metode kualitatif-deskriptif untuk melihat gambaran pencapaian Pemerintah Kota Depok dalam Pengarusutamaan Gender. Data yang digunakan adalah data primer dan data sekunder, data primer merupakan hasil wawancara dengan informan terpilih, yaitu: pejabat pada Dinas Pemberdayaan Perempuan dan Perlindungan Anak, Pengendalian Penduduk dan Keluarga Berencana (DP3AP2KB) Kota Depok. Data sekunder diperoleh dari studi literatur dari berbagai artikel ilmiah, laporan pemerintah, jurnal dan sebagainya. Penelitian ini menemukan bahwa dari ketujuh indikator evaluasi PUG yang ditetapkan, Pemerintah Kota Depok masih perlu untuk meningkatkan jumlah dan pemahaman/keterampilan sumber daya manusia dan anggaran untuk pelaksanaan PUG. Disamping itu perlunya peningkatan kualitas serta ketersediaan data terpilah gender dari berbagai sektor pembangunan
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 | 0.003 | 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 | 0.006 | 0.004 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.025 | 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".