MétaCan
Menu
Retour à la cohorte
Enregistrement W4386784172 · doi:10.33867/jka.v10i1.390

Pengaruh Modal Sosial Terhadap Kesiapsiagaan Masyarakat Dalam Menghadapi Bencana Banjir

2023· article· id· W4386784172 sur OpenAlexaff
Nandita Restu Meyda, Johan Budhiana, Iwan Permana, Maria Yulianti

Notice bibliographique

RevueJurnal Keperawatan Aisyiyah · 2023
Typearticle
Langueid
DomaineMedicine
ThématiquePublic Health and Nutrition
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésGeography

Résumé

récupéré en direct d'OpenAlex

Indonesia adalah negara rawan bencana, salah satunya yaitu bencana banjir yangdisebabkan oleh kondisi geografis. Diperlukan kesiapsiagaan masyarakat dalam mengatasibencana tersebut. Modal sosial menjadi salah satu faktor penting dalam manajemenbencana terutama dalam kesiapsiagaan. Tujuan penelitian ini untuk mengetahui pengaruhmodal sosial terhadap kesiapsiagaan masyarakat dalam menghadapi bencana banjir diRW 06 Desa Pasawahan Wilayah Kerja Puskesmas Cicurug Kabupaten Sukabumi. Desainpenelitian menggunakan korelasional dengan cross-sectional. Populasi dalam penelitianini adalah seluruh masyarakat RW 06 Desa Pasawahan Wilayah Kerja PuskesmasCicurug Kabupaten Sukabumi dengan sampel 317 responden melalui proposionalrandom sampling. Teknik pengumpulan data menggunakan kuesioner. Analisis datayang digunakan adalah regresi linier sederhana. Sebagian besar responden memilikimodal sosial kategori sedang dan kesiapsiagaan kategori siap dengan p-value 0,000 yangberarti <0,05 bahwa terdapat pengaruh modal sosial terhadap kesiapsiagaan. Kesimpulanterdapat pengaruh modal sosial terhadap kesiapsiagaan masyarakat dalam menghadapibencana banjir di RW 06 Desa Pasawahan Wilayah Kerja Puskesmas Cicurug KabupatenSukabumi. Disarankan kepada Desa Pasawahan untuk melakukan penyuluhan danpelatihan tentang kesiapsiagaan agar masyarakat siap untuk menghadapi bencana

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,176
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,003

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,301
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Keperawatan AisyiyahMême sujetPublic Health and NutritionTravaux en français237 207