Hubungan Karakteristik Demografi Terhadap Pengetahuan SIBAT Di Bantaran Sungai Bengawan Solo
Notice bibliographique
Résumé
ABSTRACTBackground: Climate change in Indonesia is strongly influenced by 3 basic climate patterns: monsoon, equatorial and local climate systems which cause dramatic differences in rainfall patterns, tending to give rise to a high potential for various types of hydrometeorological disasters, such as floods, flash floods, droughts, weather extreme, extreme waves. The community-based early warning system for flood disaster preparedness (SIBAT) is one of the means for preventing flood disasters.The aim of this research is to describeThe relationship between the characteristics of sibat cadres and knowledge about community-based early warning system strategies for flood disaster preparedness (sibat) on the banks of the Bengawan Solo River, Blora Regency. Research methods This is a quantitative approachcross sectional with a total sample of 110 SIBAT cadres selected using the Slovin method. Data was collected using a questionnaire sheet, then analyzed usingChi Square. The research results show that from3 The independent variable is significantly related to the dependent variable, the age variable with pvalue 0.013, gender variable with pvalue 0.071, education level variable with pvalue 0.013. which means that each variable has a strong relationship with the dependent variable, namely with knowledge about the Community-based Disaster Information System on the banks of the Bengawan Solo River.Keywords: SIBAT cadres, disaster preparedness, floods
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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; 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 ».