Penerapan Metode P-Median dalam Penentuan Lokasi Optimal Tempat Penampungan Sementara (TPS) Sampah di Kabupaten Klaten
Notice bibliographique
Résumé
Kabupaten Klaten yang memiliki luas wilayah 655,56 km2, terbagi menjadi 26 kecamatan, jumlah total penduduk 1.469.253 jiwa (2014) yang terbesar se-karesidenan Surakarta dan dengan tingkat kepadatan 2,241 jiwa/km2. Produksi sampah yang banyak dipengaruhi oleh jumlah penduduk. Ketika pengelolaan sampah tidak berjalan dengan baik akan menimbulkan bencana bagi wilayah sekitar. TPS resmi di Kabupaten Klaten berjumlah 161 TPS yang tersebar di 26 kecamatan. Agar pengelolaan sampah di Kabupaten Klaten bisa terkelola dengan baik, maka penentuan lokasi TPS harus tepat. Penentuan lokasi dan alokasi agar upaya pengolalan sampah di Kabupaten Klaten berjalan dengan baik dengan menggunakan metode P-Median merupakan bagian dari mixed integer liniear programming yang bertujuan untuk meminimumkan total waktu tempuh rata – rata. Hasil dari perhitungan P-Median untuk menentukan alokasi optimal pada tahun 2017 menunjukan jumlah TPS yang terpilih sebanyak 73 TPS untuk melayani 101 sumber sampah yang tersebar di Kabupaten Klaten dengan total kapasitas sebesar 675,5 m3 dan volume sumber sampah total sebanyak 440,6 m3/hari. Dengan demikian tidak terjadi penumpukan sampah di TPS.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».