PERANCANGAN MEDIA PROMKES IBU HAMIL BERBASIS INTERNET OF THINGS MENGGUNAKAN SERVER RASPBERRY PI 3 PADA DINAS KESEHATAN KOTA PALU
Notice bibliographique
Résumé
WHO (World Health Organization) sebagai badan kesehatan dunia telah memperkirakan angka kematian ibu (maternal mortality rate) berkisar 300.000 orang. Sementara itu di Indonesia sendiri angka kematian ibu / AKI masih berada pada kisaran 305 kematian dari 100.000 kelahiran hidup. AKI di Kota Palu Provinsi Sulawesi Tengah sendiri terbilang sangat tinggi dan bisa dikatakan salah satu yang tertinggi di Indonesia, berdasarkan data profil kesehatan, AKI di Kota Palu berada pada angka 111 kematian dari 100.000 kelahiran hidup. Oleh karena itu dibutuhkan sebuah perancangan media komunikasi promosi kesehatan yang dapat membantu menurunkan AKI di Kota Palu, berbasis Internet of Things dengan menggunakan Rasppberry PI 3 sebagai server aplikasi sms reminder. Pengujian perancangan dilakukan terhadap 10 responden bagian promkes Dinas Kesehatan Kota Palu. Hasil pengujian menyatakan perancangan sudah sesuai dengan kebutuhan pengguna saat ini.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,109 | 0,046 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».