REVIEW TARGET DAN CAPAIAN PENGUKURAN INDIKATOR KINERJA DAERAH KOTA MALANG
Bibliographic record
Abstract
Kota Malang merupakan salah satu wilayah administratif yang ada di Provinsi Jawa Timur. Visi Kota Malang “Bermartabat” menjadi acuan dalam perumusan tujuan, sasaran, dan Indikator Kinerja Daerah (IKD) Kota Malang sesuai dengan RPJMD Kota Malang 2018-2023. Target dan proyeksi IKD sebagai acuan mengukur dampak dari pembangunan yang dilaksanakan. Metode penelitian ini kuantitatif diskriptif. Sumber data primer dari responden untuk 2 indikator yaitu IPMas dan IMS. Analaisis data dengan: (1) diskriptif kuantitatif, (2) gap rasio dan (3) Trend untuk estimasi. Hasil kajian menunjukkan IKD Kota Malang tahun 2019 cukup berhasil, 8 (IKD) yakni Indeks Pembangunan Manusia, Indeks Pendidikan, Indeks Kesehatan, Indeks Daya Beli, Persentase Angka Kemiskinan, Persentase Penurunan PMKS, Indeks Pembangunan Gender, dan Indeks Modal Sosial. Hasil analisis gap rasio, capaian 2019 mengalami peningkatan dari capaian tahun 2018. Hanya 1 IKD, yaitu Indeks Pembangunan Masyarakat, lebih rendah pada 2019. Berdasarkan hasil analisis gap rasio, capaian dari 5 indikator yaitu IPM, Indeks Pendidikan, Indeks Kesehatan, IPMas, dan IMS diprediksi meningkat tahun 2020. Sedangkan capaian dari 4 Indikator lainnya, yaitu Indeks Daya Beli, Persentase Angka Kemiskinan, Persentase Penurunan PMKS, dan Indeks Pembangunan Gender justru diprediksi mengalami penurunan tahun 2020. Hasil perbandingan capaian IKD tahun 2019 dengan target capaian dalam RPJMD 2019 adalah 2 IKD, yaitu Indeks Kesehatan dan Indeks Daya Beli, telah melampaui target capaian, sedangkan capaian dari 7 Indikator Kinerja Daerah lainnya, tahun 2019 lebih rendah dibandingkan target RPJMD 2020.
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 | 0.004 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 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".