BIAYA BBM AKIBAT KEMACETAN DI PERSIMPANGAN WILAYAH JABODETABEK FUEL COSTS BECAUSE OF CONGESTION IN THE INTERSECTION OF JABODETABEK
Notice bibliographique
Résumé
Pertumbuhan kendaraan di wilayah Jabodetabek cukup tinggi mencapai 15-20% per tahun, tidak seimbang dengan pertumbuhan jalan yang hanya 0.01% per tahun, sehingga diperkirakan pada Tahun 2014 akan terjadi kemacetan total di DKI Jakarta dan sekitarnya. Kemacetan telah mengakibatkan kerugian waktu, energi, kesehatan fisik maupun psikis. Dalam penelitian ini dihitung biaya BBM akibat kemacetan di persimpangan di wilayah Jabodetabek. Berdasarkan analisis dengan menggunakan Contram dalam penelitian ini, dapat diketahui biaya BBM yang dikeluarkan akibat kemacetan Tahun 2011 di persimpangan rawan macet di wilayah Jabodetabek sebagai berikut: DKI Jakarta ±3,7 triliun rupiah; Bogor ±97,7 milyar rupiah; Depok ±259,3 milyar rupiah; Tangerang ±488,7 milyar rupiah, Bekasi ±360 milyar. Total biaya BBM tahun 2011 di persimpangan wilayah Jabodetabek ±4,9 triliun rupiah, dan diperkirakan tahun 2016 meningkat menjadi ±6,09 triliun rupiah.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 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 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 ».