Hubungan Tingkat Pendapatan Dengan Faktor Sosial Ekonomi Serta Ketimpangan Distribusi Pendapatan Di Desa Huta Gurgur Kecamatan Dolok Sanggul
Bibliographic record
Abstract
Ketimpangan distribusi pendapatan merupakan sebuah realita yang ada ditengah-tengah masyarakat di dunia baik Negara maju maupun Negara berkembang. Ketimpangan distribusi pendapatan tidak dapat dipisahkan dari permasalahan kemiskinan. Dengan adanya ketimpangan dan kemiskinan ini maka akan sangat sulit untuk melakukan pengembangan wilayah dimasa yang akan datang. Kondisi seperti ini akan akan memicu munculnya permasalahan sosial seperti kecemburuan sosial. Selain itu ketimpangan distribusi pendapatan dan kemiskinan akan mempengaruhi pembangunan sosial dan ekonomi dalam sebuah negara. Kemiskinan tergantung pada pendapatan nasional rata - rata dan tingkat ketimpangan distribusi pendapatan. Populasi dalam peneliatian ini adalah masyarakat yang tinggal di Desa Matiti II Kecamatan Dolok Sanggul dengan jumlah populasi sebanyak 996 orang, sedangkan sampel yang digunakan dalam penelitian ini adalah sebanyak 10 % dari jumlah populasi yang ada yaitu sebanyak 100 orang sampel, dengan menggunakan teknik pengambilan sampel yaitu teknik probability sampling. Metode analisis data yang digunakan adalah uji signifikansi dengan Koefisien Kontingensi, Kurva Lorenz, Koefisien Gini dan Kriteria Bank Dunia (α: 0,05). Hasil yang diperoleh adalah ketimpangan distribusi pendapatan di Desa Matiti II termasuk dalam kategori rendah. Dan tidak ada hubungan yang signifikan antara tingkat pendapatan masyarakat dengan tingkat pendidikan kepala keluarga serta tempat pelayanan kesehatan tetapi ada hubungan yang signfikan antara pendapatan masyarakat dengan tipe rumah yang dimiliki
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.030 | 0.007 |
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".