PEMETAAN KERAWANAN KRIMINALITAS DI WILAYAH HUKUM KEPOLISIAN RESORT (POLRES) KOTA PAYAKUMBUH TAHUN 2014
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Tujuan penelitian ini untuk: (1) Mengetahui jenis tindak kriminalitas dan persentase setiap jenis tindak kriminalitas yang terjadi di Wilayah Hukum Kepolisian Resort (POLRES) Kota Payakumbuh tahun 2014. (2) Memetakan kerawanan kriminalitas di Wilayah Hukum Kepolisian Resort (POLRES) Kota Payakumbuh tahun 2014.Jenis penelitian deskriptif kuantitatif .Teknik analisis data dilakukan dengan menggunakan metode analisis statistik dan teknik overlay pada peta.Hasil penelitian menemukan bahwa: (1) Jenis tindak kriminalitas meliputi jenis kriminal yaitu: Curas (pencurian dengan kekerasan) sebanyak 88 kasus. Curat (pencurian dengan pemberatan) sebanyak 242 kasus. Curanmor (pencurian sepeda bermotor) sebanyak 87 kasus. Anirat (penganiayaan berat) sebanyak 176 kasus dan Aniring (penganiayaan ringan) sebanyak 160 kasus. Persentase perbandingan antara berbagai jenis kejahatan atau tindak kriminalitas tertinggi sebesar 38,5% untuk Curat di Kecamatan Lampasi Tigo Nagari dan yang paling rendah sebesar 6,1% untuk Curanmor terjadi di Kecamatan Luhak. (2) Kerawanan kriminalitas tertinggi terjadi di Kecamatan Payakumbuh Barat sebesar 49 kali per satuan penduduk dan terendah di Kecamatan Lampasi Tigo Nagari sebesar 4 kali per satuan penduduk.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,013 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 découle