PEMETAAN PELAYANAN APOTEK MENGGUNAKAN SERVICE AREADI KECAMATAN RAJABASA
Notice bibliographique
Résumé
Kecamatan Rajabasa sebagai kecamatan dengan jumlah apotek terbanyak di wilayah utara Kota Bandar Lampung tidak didukung dengan informasi berbasis spasial berupa lokasi dan persebaran apoteknya. Tidak tersedianya informasi terkait apotek di Kecamatan Rajabasa dapat menimbulkan permasalahan seperti berapa jumlah apotek yang seharusnya ada di Kecamatan Rajabasa apabila disesuaikan dengan jumlah penduduknya, dan tidak jelasnya informasi terkait luas jangkauan pelayanan dari masing-masing apotek di Kecamatan Rajabasa. Penelitian ini bertujuan untuk mengetahui jumlah apotek yang ada di Kecamatan Rajabasa sudah sesuai dengan jumlah penduduknya atau belum dan untuk mengetahui luas pelayanan (service area) apotek di Kecamatan Rajabasa. Variabel dalam penelitian ini adalah apotek, dengan teknik pengumpulan data yaitu survei dan dokumentasi. Penelitian ini menggunakan teknik analisis data overlay dan network analyst. Hasil penelitian menunjukkan jumlah apotek yang ada di Kecamatan Rajabasa memenuhi atau sudah sesuai dengan jumlah penduduknya, dimana kebutuhan jumlah apotek di Kecamatan Rajabasa adalah sebanyak 7 unit, sedangkan di Kecamatan Rajabasa terdapat 21 unit apotek atau oversupply sebanyak 14 unit. Hampir semua area dan permukiman di Kecamatan Rajabasa dapat terjangkau oleh pelayanan apotek, dimana dari 12,97 km2 luas Kecamatan Rajabasa hanya 4,01 km2 (30,91%) yang tidak terjangkau oleh pelayanan apotek. Sedangkan 8,96 km2 (69,09%) area dan permukiman di Kecamatan Rajabasa masuk jangkauan pelayanan apotek, dengan rincian 4,91 km2 (37,86%) masuk kategori sangat terjangkau, serta 4,05 km2 (31,23%) masuk kategori terjangkau. Kata Kunci: pemetaan, apotek, populasi penduduk pendukung, luas pelayanan Rajabasa District as a sub-district with the largest number of pharmacies in the Northern Region of Bandar Lampung City is not supported by spatial-based information in the form of location and distribution of pharmacies. The unavailability of information related to pharmacies in Rajabasa Subdistrict can cause problems such as how many pharmacies should be in Rajabasa Subdistrict when adjusted to the population, and unclear information regarding the service coverage area of each pharmacy in Rajabasa Subdistrict. This study aims to determine the number of pharmacies in Rajabasa District in accordance with the population or not and to determine the service area of pharmacies in Rajabasa District. The variables in this study are pharmacies, with data collection techniques, namely surveys and documentation. This study uses overlay data analysis techniques and network analyst. The results showed that the number of pharmacies in Rajabasa District met or was in accordance with the population, where the need for the number of pharmacies in Rajabasa District was 7 units, while in Rajabasa District there were 21 pharmacy units or an oversupply of 14 units. Almost all areas and settlements in Rajabasa Subdistrict can be reached by pharmacy services, where of the 12.97 km2 area of Rajabasa Subdistrict only 4.01 km2 (30.91%) are not reached by pharmacy services. While 8.96 km2 (69.09%) of areas and settlements in Rajabasa Sub-district are within the reach of pharmacy services, with details of 4.91 km2 (37.86%) in the very affordable category, and 4.05 km2 (31.23%) in the affordable category. Keywords: mapping, pharmacy, threshold, service area
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,068 | 0,011 |
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 ».