Pemilihan Tanaman Herbal Untuk Meningkatkan Imun Tubuh Manusia Menggunakan Metode Weighted Product
Notice bibliographique
Résumé
Pemanfaatan tanaman obat herbal merupakan salah satu solusi dalam penyelesaian masalah kesehatan yang sering dihadapi masyarakat, selain menggunakan obat-obatan kimia baik dalam tahapan pencegahan. Penyebab menurunnya imun tubuh pada manusia disebabkan beberapa faktor yang sangat mempengaruhi yakni penyakit yang dapat menyerang tubuh manusia, sehingga kekebalan tubuh melemah sehingga membuat tubuh manusia menjadi lemah dan tidak berdaya. Jika seseorang merasa memiliki masalah dengan sistem kekebalan tubuh mereka, disarankan untuk berkonsultasi dengan dokter untuk diagnosis dan pengobatan yang tepat. Penyelesaian permasalahan ini dengan membuat sebuah pemilihan yang tepat maka dibutuhkan sistem pendukung keputusan agar dapat meningkatkan kepercayaan keputusan akhir dalam pemilihan obat herbal untuk meningkatkan imun tubuh manusia dengan menggunakan metode weighted product. Menghasilkan pemilihan tanaman herbal terbaik dengan nilai tertinggi 0,123 kode alternatif A3 dengan nama kunyit. Sistem aplikasi sistem pendukung keputusan dibuat dalam platform website. Menghasilkan pemilihan tanaman herbal terbaik dengan nilai tertinggi 0,138 kode alternatif A1 dengan nama Jahe Merah. Mengunakan data tanaman herbal sebanyak 9 data dan penilaian data dibuat oleh Rumah Sehat Medan dengan mengunakan metode WP
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,011 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».