Analisa Yuridis Perlindungan Anak Terlantar Sebagai Kewajiban Negara Dalam Perspektif Hukum Positif Di Indonesia
Bibliographic record
Abstract
Penelitian ini berjudul Analisa Yuridis Perlindungan Anak Terlantar Sebagai Kewajiban Negara Dalam Perspektif Hukum Positif Di Indonesia. Adapun tujuan dari penelitian ini untuk mengetahui dan menganalisis pengaturan kebijakan hukum perlindungan anak terlantar dalam hukum positif Indonesia dan Apakah tugas dan kewajiban negara dalam pemenuhan hak anak terlantar. Jenis Penelitian dalam skripsi ini adalah jenis penelitian yuridis Normatif, dengan melakukan penelitian terhadap peraturan perundang- undangan dan berbagai literatur yang berkaitan dengan permasalahan dalam penelitian, sumber bahan hukum yang digunakan mencakup bahan hukum primer, bahan hukum sekunder, dan bahan hukum tersier, tekhnik pengumpulan bahan hukum yang digunakan dalam penulisan ini adalah dengan studi kepustakaan, dan analisis yang digunakan dengan analisis kualitatif. Hasil penelitian ini menunjukkan bahwa dalam memberikan perlindungan hukum terhadap anak terlebih anak terlantar dalam perspektif hukum positif memiliki dua alasan penting mengapa anak harus dilindungi, pertama anak adalah generasi penerus dan masa depan bangsa. Kedua adalah kelompok masyarakat yang secara kodrati lemah dan salah satu upaya yang dilakukan Negara adalah membuat berbagai macam peraturan perundang-undangan yang dapat menjaga hak-hak anak sebagai warga negara dan hak-hak keperdataan lainnya serta melindungi anak dari berbagai tindak kekerasan dan diskriminasi termasuk anak yang bermasalah dengan hukum. Pelaksanaan tugas dan kewajiban negara dalam memenuhi hak anak terlantar di emban dan di implementasikan oleh Kementerian Sosial Republik Indonesia (Kemensos RI) dan juga Dinas Sosial (Dinsos) dalam Pemerintahan Daerah. Kementerian sosial sendiri, seperti apa yang telah penulis jelaskan sebelumnya, bahwa tindakan yang telah di lakukan dalam rangka pemenuhan hak anak terlantar adalah dengan membuat Norma, Standar, Prosedur dan Kriteria (NSPK) atau pembuatan regulasi dalam bentuk SPM (Standar Pelayanan Minimum) yang di gunakan sebagai acuan/standar Pemerintah Daerah dalam melaksanakan pelayanan terhadap anak terlantar di wilayahnya, memberikan dukungan dalam bentuk program kesejahteraan anak diantaranya Program Kesejahteraan Anak (PKSA) dan Tabungan Sosial Anak Terlantar (TASA) yang diberikan kepada anak-anak terlantar per tahunnya di seluruh Indonesia guna pemenuhan hak-hak dasar dan hak sipil.
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 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 | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.006 | 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) | 0.000 | 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 itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, 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".