MétaCan
Menu
Retour à la cohorte
Enregistrement W2889603907 · doi:10.31849/forestra.v10i1.611

PEMETAAN AREAL POTENSI KONFLIK IZIN USAHA PEMANFAATAN HASIL HUTAN KAYU HUTAN TANAMAN (IUPHHK HT) BERBASIS SISTEM INFORMASI GEOGRAFIS (SIG) PADA PT. RAPP ESTATE MANDAU

2018· article· id· W2889603907 sur OpenAlexaff
Budi Mulyono, Muhammad Ikhwan, Emy Sadjati

Notice bibliographique

RevueWahana Forestra Jurnal Kehutanan · 2018
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueAgricultural and Environmental Management
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésEstateForestryGeographyPhysicsPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

PT. RAPP Estate Mandau,memiliki areal yang berkonflik pada konsesi adalah seluas + 6.339 ha dari areal konsesi seluas + 23.800 ha. Berdasarakan informasi tersebut diperlukan penanganan dan pengelolaan areal konflik dan areal potensi konflik. Penelitian ini bertujuan untuk memetakan daerah potensial konflik pada Izin Usaha Pemanfaatan Hasil Hutan Kayu Hutan Tanaman (IUPHHK -HT) PT. RAPP Estate Mandau. Metode yang digunakan dalam penelitian ini adalah analisis overlay dengan menggunakan teknologi sistem informasi geografis. Dalam penelitian ini dilakukan perhitungan komponen – komponen Jarak dari Jalan, Jarak dari Pemukiman, Tata Batas dan Penutupan Lahan. Hasil perhitungan tersebut kemudian diklasifikasikan terhadap tingkat potensial konflik yang terjadi dan dilakukan pemet aan wilayah terhadap tingkat potensial konflik yang debedakan berdasarkan warna dengan menggunakan Sistem Informasi Geografis. Hasil penelitian ini adalah bahwa tingkat potensial konflik di IUPHHK -HT PT RAPP Estate Mandau didominasi oleh kelas tidak potensial dengan luas 12.499,87 Ha (71,59%), untuk kelas potensial dengan luas 3.047,43 Ha (17,45%) dan untuk kelas sangat potensial seluas 1.913,70 Ha (10,96%) .
 Kata Kunci : konflik, sig, tutupan lahan.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,591
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,003
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,243
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWahana Forestra Jurnal KehutananMême sujetAgricultural and Environmental ManagementTravaux en français237 207