Sistem Informasi Geografis Pemetaan Angka Gizi Buruk di Wilayah Kediri
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Proses representasi pemetaan angka gizi buruk di wilayah Kediri belum menggunakan teknologi komputer, sehingga proses pemantauan angka gizi buruk pada setiap wilayah masih belum tersajikan dengan baik. Hal ini tentu mempersulit kerja dari kader maupun dinas Kehatan untuk memantau angka gizi buruk di Wilayah Kediri. Oleh karena itu, perlu dibangun sebuag sistem informasi yang mampu menyediakan data-data baik dalam bentuk grafik maupun peta untuk pemetaan angka gizi buruk di wilayah Kediri. Perancangan dan pembangunan sistem informasi ini dilakukan dengan menggunakan metode pengambilan data dan wawancara langsung kepada Dinas Kesehatan Kota dan Kabupaten Kediri, dengan mencari referensi lain terkait dengan penilitian yang serupa.
 Tujuan dibangunnya Sistem Informasi Geografis Pemetaan Angka Gizi buruk di Wilayah Kediri adalah agar dapat membantu masyarakat dan Dinas Kesehatan dalam memantau serta menangani kasus gizi buruk di wilayah Kediri. Sistem Informasi Geografis ini akan menampilkan data gizi buruk berdasarkan kecamatan dengan menggunakan poligon warna sebagai tanda yang memberikan informasi mengenai keadaan yang aman atau keadaan yang membutuhkan penanganan lebih lanjut. Sistem yang dirancang akan diimplementasikan menggunakan framework laravel dengan bahasa pemrogaman yang digunakan adalah PHP, CSS, JavaScript, dan menggunakan database MySQL.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.006 |
| Open science | 0.004 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.000 | 0.010 |
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 it