Identifikasi Cemaran Bakteri Escherechia coli Pada Air Sumur di Cilacap
Bibliographic record
Abstract
Air merupakan kebutuhan yang sangat mutlak bagi makhluk hidup khususnya manusia. Kebutuhan akan air seakan-akan tidak pernah ada habisnya antara lain digunakan untuk minum, mengolah makanan, mandi, energi, transportasi, pertanian ,industri dan rekreasi. Penyediaan air bersih akan meningkatkan kesehatan masyarakat dengan mengurangi jumlah orang sakit terutama penyakit yang berhubungan dengan air serta meningkatkan standar kualitas hidup. Menurut Permenkes No.492 Tahun 2010 tentang syarat mikrobiologi air minum adalah tidak ditemukannya bakteri Coliform dan Escherichia coli dalam 100 ml air. Kualitas air yang baik juga mempengaruhi kesehatan masyarakat, air digunakan harus terbebas dari cemaran mikroorganisme, salah satunya adalah bakteri Escherichia coli. Air yang tercemar bakteri dapat menularkan penyakit melalui air. Salah satu penyakit yang dapat ditularkan melalui air adalah penyakit diare. Penyakit diare masih merupakan masalah kesehatan masyarakat di negara berkembang seperti di Indonesia, karena morbiditas dan mortalitas-nya yang masih tinggi. Penelitian ini merupakan jenis penelitian deskriptif kuantitatif. Desain peneilitian adalah eksperimen. Populasi dalam penelitian ini adalah sumur yang dimiliki oleh penduduk di wilayah kelurahan Sidanegara Kabupaten Cilacap. Sedangkan sampel yang diambil dalam penelitian ini adalah sebagian dari sumur yang berada di wilayah tersebut. Hasil dari 5 sampel didapatkan bahwa 4 sampel (80%) dari 5 sampel memiliki indeks MPN >0/100 ml yang berarti sumur bor tersebut telah terkontaminasi oleh bakteri Escherichia coli. Sedangkan 1 sampel (20%) tidak terkontaminasi Escherichia coli.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".