Hubungan Kekeringan dengan Praktik Personal Hygiene
Notice bibliographique
Résumé
Latar Belakang; Pada tahun 2018 Indonesia terdapat 13 kejadian dengan 5 provinsi yang terdampak. Salah satu kabupaten di Jawa Tengah, Boyolali juga memiliki tingkat kejadian kekeringan yang tinggi. Pada tahun 2018 menurut data dari BPBD Boyolali, terdapat 7 kecamatan dan 42 kelurahan terdampak bencana kekeringan, dan Desa yang paling parah terdampak kekeringan ialah Desa Ngaren. Kekeringan menyebabkan ketersediaan air bersih terbatas sehingga menyebabkan gangguan aktivitas rumah tangga dan kebersihan diri (personal hygiene). Metode; penelitian survei analitik yang menggunakan metode cross sectional dengan pendekatan waktu retrospective. Pengambilan sampel menggunakan teknik purposive sampling, dengan jumlah sampel 79 responden, sedangkan instrumen penelitian menggunakan kuesioner. Analisa bivariat menggunakan uji chi square.Tujuan; Mengetahui hubungan antara kekeringan dengan praktik personal hygiene di Desa Ngaren, Kec.Juwangi, Kab. Boyolali. Hasil; Hasil penelitian didapatkan sebagian besar responden mengalami kekeringan dengan kategori kering kritis sebanyak 40 responden (51%), sebagian besar responden melakukan praktik personal hygiene yang kurang baik sebanyak 64 responden (81%), sedangkan pada uji univariat membuktikan bahwa kekeringan di Desa Ngaren berhubungan dengan praktik personal hygiene (p value = 0,002). Kesimpulan; Terdapat hubungan kekeringan dengan praktik personal hygiene di Desa Ngaren Kecamatan Juwangi Kabupaten Boyolali.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,004 |
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 ».