KAJIAN RISIKO BENCANA LONGSOR KECAMATAN LOANO KABUPATEN PURWOREJO
Notice bibliographique
Résumé
Kecamatan Loano berada di bagian timur-selatan Kabupaten Purworejo, merupakan daerah rawan longsor yang disertai kondisi sosial ekonomi yang menambah kerentanannya. Studi ini bertujuan untuk mengkaji risiko bencana longsor, cakupan kajian meliputi karakteristik ancaman, kerentanan {sosial ekonomi & fisik lingkungan, kapasitas (respon lingkungan)} serta risiko bencana. Pengolahan data menggunakan software ArcGIS dan SPSS. Secara fisik alam, ancaman risiko longsor bervariasi yaitu 21,36 km2 (40,09%) indeks rendah, 13.14 km2 (24,66%) sedang dan 18,78 km2 (35,25%) tinggi. Indeks kerentanan sosial ekonomi & fisik lingkungan terdiri dari 3 desa indeks rendah, 11 desa sedang dan 7 desa tinggi. Karakteristik kapasitas (respon lingkungan) diambil dengan menggunakan kuesioner individu masyarakat dan pemerintah desa. Karakteristik kapasitas (respon lingkugan)-nya adalah 14 desa indeks rendah, 4 desa sedang dan 3 desa tinggi. Kerentanan secara holistickyang merupakan jumlah total kerentanan sosial ekonomi & fisik lingkungan serta kapasitas (respon lingkungan) terdapat 3 desa indeks rendah, 4 desa sedang dan 14 desa tinggi. Tingkat risiko bencana longsor bervariasi, terdiri dari rendah 6,72 km2 (12,62%) , sedang 24,59 km2 (46,15%) hingga tinggi 21,96 km2 (41,23%). Risiko longsor yang tinggi perlu dikurangi dengan menurunkan kerentananya. Selanjutnya, diharapkan metode ini dapat diterapkan di wilayah lainnya yang memiliki karakteristik hampir sama dengan Kecamatan Loano.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 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 ».