Penyuluhan Pencegahan Stunting Kepada Peserta Posyandu di RW 04 Kelurahan Kalibaru Kecamatan Cilincing Jakarta Utara
Notice bibliographique
Résumé
Kejadian balita stunting merupakan masalah gizi utama yang dihadapi Indonesia. Ratarata prevalensi balita stunting di Indonesia tahun 2015-2017 adalah 36,4%. Persentase balita sangat pendek dan pendek usia 0-59 bulan di Indonesia tahun 2018 adalah 30,8%, Masih banyak bayi usia di bawah 5 tahun (Balita) yang mengalami masalah gizi di DKI Jakarta. Studi Status Gizi Indonesia (SSGI) menyebutkan, sebanyak 20,4% Balita di Jakarta Utara mengalami stunting pada 2021.Artinya, 1 dari 5 Balita di wilayah ini mengalami stunting menurut hasil SSGI 2021. Angka stunting Balita di Jakarta Utara tersebut di atas angka rata-rata stunting Provinsi DKI Jakarta yang sebesar 16,8%. Angka tersebut juga merupakan yang tertinggi dibandingkan dengan 5 wilayah lainnya di Ibu Kota. Penyebab dari Stunting diantaranya adalah faktor dari lingkungan, faktor ibu, faktor pola asuh ibu dan faktor bayi dan balita. Tujuan dari penelitian ini adalah untuk meningkatkan pengetahuan mengenai pencegahan stunting pada ibu hamil dan balita di Kelurahan Kalibaru RT 04 , Cilincing, Jakarta Utara. Penyuluhan dan pencegahan mengenai masalah gizi stunting perlu di sosialisasikan demi kesejahteraan masyarakat.Dari hasil yang didapat bahwa tingkat pengetahuan para peserta bertambah dengan nilai 88,57 % dari hasil pos-test dengan nilai 78,57 %. Hal ini membuktikan bahwa kegiatan penyuluhan ini berhasil.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,003 |
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.
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 ».