PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN DBD (DEMAM BERDARAH DENGUE) MENGGUNAKAN REGRESI LOGISTIK BINER UNTUK WILAYAH REGIONAL 2 INDONESIA (SUMATERA)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstrak. Penelitian ini bertujuan untuk menjelaskan beberapa faktor yang mempengaruhikejadian Demam Berdarah Dengue (DBD) pada kabupaten atau kota diwilayah regional 2 Indonesia (Sumatera) tahun 2012. Faktor-faktor tersebut menggunakanmetode Regresi Logistik Biner yang merupakan salah satu teknik estimasi parameterdengan pendekatan likelihood. Pada penelitian ini diperoleh tiga variabel prediktoryang berpengaruh signikan terhadap kejadian demam berdarah dengue. Variabel tersebutadalah rumah atau bangunan bebas jentik nyamuk AEDES, rumah tangga ber-PHBSdan sumur terlindung. Dengan nilai Odds ratio untuk rumah atau bangunan bebas jentiknyamuk AEDES, rumah tangga ber-PHBS, dan sumur terlindung masing-masing sebesar0,968, 0,974, dan 0,980. Nilai hit ratio keakuratan model peluang logit sebesar 71,233%.Dengan demikian dapat disimpulkan bahwa model peluang logit yang terbentuk sudahlayak digunakan untuk mengetahui faktor-faktor yang mempengaruhi kejadian DBD.Kata Kunci: Model Regresi Logistik Biner, metode Maximum Likelihood, DemamBerdarah Dengue
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,007 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 découle