Kejadian nyeri punggung bawah (NPB) di Indonesia bervariasi antara 7,6% sampai 37%, umumnya terjadi pada usia 45–60 tahun. NPB merupakan nyeri yang dirasakan daerah punggung bawah dan dapat terasa nyeri yang lokal maupun nyeri radikuler yang terasa di daerah lumbar atau lumbo-sakral. Tujuan penelitian ini mengidentifikasi faktor risiko keluhan nyeri punggung pada petugas pengumpul sampah di Kecamatan Bandung Wetan periode Maret–Juli 2018. Jumlah sampel 84 responden yang diambil dengan menggunakan teknik simple random sampling. Penelitian ini menggunakan metode analitik observasional dengan pendekatan cross sectional dan analisis data menggunakan chi square. Hasil penelitian ini didapatkan bahwa sebagian besar responden memiliki keluhan NPB sebanyak 75%. Kebiasaan merokok sedang 64%, indeks massa tubuh (IMT) normal 62%, masa kerja baru 99%, dan responden dengan beban kerja yang ringan 99%. Tidak terdapat hubungan kebiasaan merokok (p=0,811), IMT (p=0,735), beban kerja (p=0,081), dan masa kerja (p= 0,561) dengan keluhan nyeri punggung bawah. Simpulan, tidak terdapat hubungan kebiasaan merokok, IMT, beban kerja, dan masa kerja dengan keluhan nyeri punggung bawah pada petugas pengumpul sampah di Kecamatan Bandung Wetan. Terdapat faktor lain yang lebih berpengaruh terhadap NPB seperti posisi kerja dan lama kerja. LOW BACK PAIN AND SMOKING HABITS, BODY MASS INDEX, WORKING PERIOD AND WORKLOAD ON GARBAGE COLLECTORSIncidence low back pain (LBP) in Indonesia are varies between 7.6% to 37%, generally occurs at the age of 45–60 years. LBP is a pain that is felt in the low back area. It could felt local and radicular pain in lumbar or lumbo-sacral area. The objectives of the study was to identify the risk factors of back pain complaints on garbage collectors in Bandung Wetan sub-district during March to June 2018. The subjects were 84 respondents and used simple random sampling technique. This research used observational analytical method with cross sectional approach and data analysis used chi square. The results of this study reveald that most respondents had 75% LBP complaints. Respondents with moderate smoking habits were 64%, respondents with normal body mass index (BMI) of 62%, respondents with a new work period of 99%, and respondents with a light workload of 99%. The results of statistical analysis showed that there were no correlation between smoking habits (p=0.811), BMI (p=0.735), workload (p=0.081) and years of work (p=0.561) with complaints of low back pain. Conclusions, there are no relationship between smoking habits, BMI, workload, and years of service with complaints of low back pain in officers of garbage collectors in Bandung Wetan Subdistrict. There are other factors that have more influence on LBP such as work position and duration of work.
The demand for staple products that vary among customers makes it necessary for the store to determine how the marketing strategy should be. Data mining are known as KDD (Knowledge Discovery in Database) is to digging up valuable knowledge from the data. Research purpose is to identify the right marketing strategy to sales the goods. The marketing strategy is took by analyze how much consumers demand for basic needs. The algorithms used in this research are FP (Frequent Pattern)-Growth and A-priori Algorithm. Finding combinations patterns between itemset using the Association Rule. FP-Growth algorithm is an algorithm that been used to determining a set of data in a data set that often appears on the frequency of the itemset. the KDD stages study are data cleansing, data integration, data selection, data transformation, data mining, pattern evaluation and knowledge presentation. the Testing used Rapidminer software with a minimum confidence value of 0.6 and a minimum support of 0.45. FP-Growth algorithm obtained 5 rule conclusions while Apriori Algorithm obtained 3 rule conclusions. The FP-Growth algorithm make a better decision rules than a priori algorithms in determining of marketing strategies, because it produces more decisions on how the goods sold.
Tracking and object is one of the utilizations on the field of the computer vision application. Object tracking utilization as a computer vision in this study is used to identify objects which exist within a frame and calculate the number of objects passing within a frame. The utilization of computer vision in various fields of application can be used to solve the existing problems. The method used in object tracking is by comparison between optical flow estimation method with background method. The test is conducted by using a still camera for both methods by making changes to the parameter values used as a reference. The results of the tests, conducted on the three video objects by comparing the two methods show a Total Recorded Time better than those of the background estimation method, being smaller than 100 seconds. Testing both methods successfully identifies the object tracking and calculates the number of passing cars.
Tumbuhan obat saat ini banyak ditemui sebagai tumbuhan yang memiliki fungsi dan berkhasiat untuk penyembuhan ataupun mencegah berbagai penyakit. Salah satunya adalah daun semanggi yang memiliki khasiat sebagai tumbuhan obat, namun masyarakat belum banyak mengenal bentuk daun tersebut. Penelitian ini bertujuan untuk melakukan deteksi objek daun semanggi yang dilakukan secara real – time melalui input gambar berbasis kamera webcam, selanjutnya proses ekstraksi fitur dilakukan dengan deep learning menggunakan framework Tensorflow object detection dan pengolahan citra dengan metode CNN-Single Shot MultiBox Detector (SSD). Metode penelitian yang digunakan terdiri dari beberapa tahapan yaitu akuisisi data, preproses data, proses training dan pembentukan model serta pengujian. Berdasarkan hasil Uji coba yang dilakukan dengan menggunakan perbandingan rasio terhadap data train dan data test diperoleh hasil terbaik yaitu dengan perbandingan data train dan data test 80:20 dengan precission 80 %, recall 100 % dan akurasi 86,6 %. Hal ini menyatakan bahwa model deteksi objek daun semanggi dengan menggunakan SSD dapat berjalan dengan baik.
Program kemitraan masyarakat (PKM) di Desa Windu Kecamatan Biau KabupatenGorontalo Utara berkerja sama dengan dua mitra yaitu kelompok Molilingga dan kelompokMohuyula. Dengan adanya kegiatan Program Kemitraan Masyarakat dapat membantupermasalahan mitra. Tujuan Program Kemitraan Masyarakat ini yaitu untuk melakukanpemberdayaan masyarakat dengan sentuhan ilmu dan teknologi untuk meningkatkanketrampilan dan pendapatan ekonomi mitra melalui pengolahan hasil perikanan. Permasalahanyang dihadapai mitra yaitu minimnya pengetahuan tentang teknologi pengolahan hasilperikanan, hasil tangkapan yang melimpah dan nilai jual rendah dan jarak antara desa dengankota yang tergolong jauh menyebabkan hasil tangkapan tidak segar sehingga harga rendah dipasar. Untuk memecahkan masalah yang dihadapi mitra dilakukan pelatihan dan pendampingandalam mengolah hasil perikanan menjadi produk modern yang bernilai jual tinggi dan teknikpenanganan pasca tangkap yang tepat. Metode pelaksanan kegiatan dilakukan dengan cara (1)pengenalan produk hasil perikanan modern yang bergizi yang proses pengolahannya tidakmembutuhkan peralatan modern, (2) pelatihan dan pendampingan pembuatan produk hasilperikanan modern yang kaya akan gizi dan (3) pelatihan dan pendampingan teknik penangananpasca tangkap yang baik dan tepat. Hasil dari kegiatan ini yaitu meningkatnya pengetahuan danketerampilan mitra dalam mengolah hasil perikanan.Kata Kunci : Hasil Perikanan, Penanganan, Pengolahan, Pelatihan, Pendampingan, Windu
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.