PEMETAAN KERAWANAN KRIMINALITAS DI WILAYAH HUKUM KEPOLISIAN RESORT (POLRES) KOTA PAYAKUMBUH TAHUN 2014
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 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 ».