Faktor-Faktor Kerentanan yang Berpengaruh terhadap Bencana Banjir di Kecamatan Manggala Kota Makassar
Notice bibliographique
Résumé
Banjir yang terjadi di Kecamatan Manggala berdampak negatif kepada masyarakat baik berupa kerugian material, evakuasi warga maupun terhentinya aktivitas sosial ekonomi. Kondisi tersebut diakibatkan oleh kondisi geografis yang rentan, curah hujan tinggi, dan laju pembangunan yang tinggi yang menyebabkan berkurangnya daerah resapan air. Namun, upaya adaptasi yang dilakukan belum efektif untuk mengurangi kerentanan wilayah, dikarenakan adaptasi yang dilakukan masih bersifat reaktif. Oleh karena itu, dibutuhkan kajian dalam mengidentifikasi faktor-faktor kerentanan wilayah yang berpengaruh terhadap banjir di Kecamatan Manggala, sebagai bahan dalam perumusan adaptasi yang lebih efektif kedepannya. Artikel ini merupakan bagian dari penelitian mengenai penentuan arahan adaptasi kawasan rawan bencana banjir di Kecamatan Manggala Kota Makassar. Melalui teknik content analysis dapat diketahui faktor-faktor kerentanan yang berpengaruh terhadap bencana banjir di Kecamatan Manggala. Hasil penelitian menunjukkan bahwa faktor kerentanan yang berpengaruh terhadap Banjir di Kecamatan Manggala adalah faktor kondisi drainase yang tidak memadai, dekatnya jarak bangunan dengan sungai, lokasi permukiman di daerah akumulasi genangan, penurunan daya infiltrasi tanah, konstruksi jalan yang rentan kerusakan akibat genangan, dan tingginya potensi penduduk terdampak.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,003 |
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 ».