Edukasi Mengenai Hygiene Sanitasi Pada Pedagang Jamu di Kota Tanjungpinang
Bibliographic record
Abstract
Foodborne Disease disebabkan oleh cemaran biologis dari adanya kontaminasi pangan yang disebabkan cacing, parasit, bakteri (mikroba), fungi, virus dan riketsia. Jamu merupakan salah satu minuman tradisional yang memiliki risiko untuk tercemar sehingga menimbulkan foodborne Disease. Beberapa keterbatasan dalam pengolahan jamu adalah kurangnya kebersihan dan sanitasi (baik bahan baku, peralatan, maupun pembuat jamu itu sendiri), sehingga banyak ditemukan jamu yang kurang bersih dan dapat mengganggu kesehatan konsumen. Metode kegiatan pengabdian masyarakat ini dengan melakukan edukasi berupa penyuluhan perorangan menggunakan leaflet mengenai hygiene sanitasi bagi pedagang jamu yang ada di Kota Tanjungpinang. Hasil yang diperoleh dari kegiatan ini adalah berhasil dilakukan penyuluhaan personal kepada 8 pedagang jamu yang berada di Kota Tanjungpinang. Kegiatan edukasi dilakukan pada tanggal 27 - 30 Juni 2020 dan mendapatkan tanggapan positif dari seluruh peserta. Materi yang diberikan disampaikan dengan media leaflet agar mempermudah pemahaman pedagang mengenai hygiene sanitasi pedagang jamu. Saran dari kegiatan ini adalah kegiatan edukasi dapat dilakukan pada ranah yang lebih luas untuk seluruh pedagang jamu yang ada di Kota Tanjungpinang dan dilakukan pelatihan hygiene sanitasi untuk penjamah makanan sehingga meningkatkan kualitas minuman jamu yang ada di masyarakat.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.026 | 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".