Pengaruh Sosialisasi Terhadap Tingkat Partisipasi Pemilih Dalam Menggunakan Hak Pilihnya Pada Pemilu Di Kabupaten Toba Samosir
Bibliographic record
Abstract
Tujuan penelitian ini adalah menganalisis sosialisasi terhadap partisipasi pemilih dalam pemilihan umum di Kabupaten Toba Samosir. Keberhasilan pemilihan umum membutuhkan dukungan semua pemangku keberhasilan pemilihan umum. Populasi penelitian ini adalah penduduk kabupaten Toba Samosir yang terdaftar pada DPT 2014 yang berjumlah 127.920 jiwa. Dengan mengggunakan rumus penarikan sampel, maka sampel penelitian sebesar 125 orang. Penelitian ini menggunakan regresi sederhana, metode analisis dan pengujian hipotesis. Penelitian ini memberikan informasi bahwa sosialisasi memiliki pengaruh terhadap tingkat partisipasi pemilih. Pengolahan data dilakukan dengan menggumpulkan data hasil kuesioner dan pengolahannya menggunakan SPPS. Dari hasil penelitian diketahui bahwa pengaruh sosialisasi terhadap tingkat partisipasi pemilih sebesar 0,448 atau 44,8 %. Jadi dapat disimpulkan bahwa sosialisasi mempunyai pengaruh yang signifikan terhadap tingkat partisipasi pemilih pada pemilihan umum di Kabupaten Toba Samosir. Penelitian ini memberikan sumbangan pemikiran dan saran kepada Pemerintah Kabupaten Toba Samosir bahwa tingkat partisipasi pemilih membutuhkan dukungan penuh dari Pemerintah Kabupaten Toba Samosir, masyarakat berpartisipasi aktif dalam pemilihan umum dan KPU meningkatkan komunikasi dan sosialisasi kepada berbagai pihak terkait
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 | 0.002 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.031 | 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".