EVALUASI KEBIJAKAN PENANGGULANGAN KEMISKINAN EKSTREM MELALUI PROGRAM REHABILITASI RUMAH TIDAK LAYAK HUNI (Kasus di Lampung Selatan, Indonesia)
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Rumah tidak layak huni menjadi salah satu indikator dalam kemiskinan sehingga membutuhkan peningkatan kualitas untuk menjadi rumah layak huni (Rutilahu). Pemerintah Kabupaten Lampung Selatan melalui Dinas Sosial dalam pemenuhan rumah layak huni menjalankan program rehabilitasi sosial Rutilahu untuk meningkatkan kesejahteraan masyarakat. Program Rutilahu telah menjadi solusi yang signifikan dalam upaya penanggulangan kemiskinan ekstrem. Dokumen ini menjelaskan formulasi, implementasi, dan evaluasi Program Rutilahu berdasarkan penelitian dan literatur yang relevan. Kami mengintegrasikan temuan dari berbagai studi kebijakan dan praktik terbaik untuk membimbing upaya penanggulangan kemiskinan ekstrem melalui program ini. Program Rutilahu yang dilakukan oleh Pemerintah Kabupaten Lampung Selatan sebagai upaya penanggulangan kemiskianan ekstrem memiliki pengaruh yang cukup signifikan. Pada tahun 2020 penerima bantuan berjumlah 240 orang yang tersebar di wilayah kawasan kumuh. Penerima bantuan telah tepat sasaran, karena di tahun 2021 luas wilayah kawasan kumuh menurun menjadi 10,83 Ha yang sebelumnya 55,63 Ha. Angka kemiskinan ekstrem di tahun 2021 sebesar 7,82% juga menurun menjadi 2,34%. Keberhasilan kebijakan program penanggulangan kemiskinan melalui Program Rutilahu bagi masyarakat miskin ekstrem dianggap cukup berhasil menjadi salah satu program yang dapat menurunkan kemiskinan ekstrem secara signifikan.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
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 it