TIPOLOGI DESA BERDASARKAN VARIABEL PENCIRI HUTAN RAKYAT
Notice bibliographique
Résumé
Penelitian ini menguji penggunaan faktor biofisik dan sosial ekonomi dalam mengklasifikasi desa dengan variabel penciri hutan rakyat. Tujuan utama dari penelitian ini adalah menentukan variabel yang paling signifikan yang mempengaruhi tipologi desa yang terkait dengan luas hutan rakyat. Penelitian ini dilakukan di Kabupaten Ciamis menggunakan data 336 desa. Dasar pembuatan tipologi pada penelitian ini adalah faktor biofisik dan sosial ekonomi. Terdapat 6 variabel biofisik yaitu: penggunaan lahan non sawah, kelerengan lahan, jarak ke kawasan hutan negara, jarak ke jalan besar, kemampuan lahan, dan kerapatan jalan dan dan 3 variabel sosial ekonomi yaitu: kepadatan penduduk, rumah permanen, dan umur produktif penduduk yang diteliti. Hasil penelitian menemukan terdapat delapan variabel yang berkorelasi, dan satu variabel yang tidak berkorelasi dengan luas hutan rakyat yaitu jarak ke jalan besar. Berdasarkan analisis gerombol, penelitian berhasil menemukan 2 tipologi hutan rakyat, yaitu wilayah yang berpotensi tinggi dan berpotensi rendah untuk berkembangnya hutan rakyat. Variabel yang terpilih untuk penggerombolan adalah berdasarkan desain hasil analisis komponen utama terhadap 8 variabel yang berkorelasi, dengan nilai akurasiumumsebesar 64%. Kata Kunci:Biofisik, analisis gerombol, hutan rakyat, sosial ekonomi, tipologi desa
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,004 |
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 ».