KAWAL GIZI : PENGELOLAAN BANTUAN PANGAN PEMERINTAH BERBASIS SIG DI LOKUS STUNTING KABUPATEN TASIKMALAYA
Notice bibliographique
Résumé
Percepatan penurunan Stunting memerlukan strategi dan metode baru yang lebih kolaboratif dan berkesinambungan mulai dari hulu hingga hilir. Salah satu pembaruan strategi percepatan penurunan Stunting adalah pendekatan keluarga melalui pendampingan keluarga berisiko Stunting untuk mencapai target sasaran, yakni calon pengantin (catin)/ calon pasangan usia subur (PUS), ibu hamil dan ibu menyusui sampai dengan pasca salin, dan anak usia 0-59 bulan. Tim pendamping keluarga akan berperan sebagai ujung tombak percepatan penurunan Stunting. Dalam mendukung kinerja TPK diperlukan sistem informasi yang mendukung pelaporan kinerjanya berupa pengembangan IMAH GIZI yang berbasis Sistem informasi Geografis (SIG) yang dapat memetakan keluarga risiko stunting serta dapat membantu mengelola bantuan pangan pemerintah sehingga tepat sasaran. Kegiatan ini dilaksanakan secara bertahap dalam bentuk peningkatan kapasitas TPK dalam mengelola dan mengolah bantuan pangan pemerintah serta pelaporan kinerja TPK dalam aplikasi tersebut. Hasil menunjukan melalui laporan di aplikasi kawal gizi berbasis SIG di Desa Cikunir terdapat 1 calon pengantin, 12 ibu hamil risiko dan 24 baduta risiko stunting. Melalui data aplikasi berbasis SIG jumlah kelompok risiko stunting yang mendapatkan bantuan social pemerintah adalah 50% ibu hamil risiko dan 37,5% baduta risiko stunting. Pemberian bantuan pangan ini telah memberikan pengaruh terhadap perubahan status gizi keluarga risiko stunting.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».