ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT HARGA PERUMAHAN DI KABUPATEN BULELENG
Notice bibliographique
Résumé
Tujuan penelitian ini adalah untuk mengetahui faktor yang mempengaruhi tingkat harga perumahan di Kabupaten Buleleng dan faktor yang paling dominan mempengaruhi tingkat harga perumahan di Kabupaten Buleleng. Jenis penelitian ini adalah penelitian kuantitatif dengan menggunakan rancangan penelitian faktorial. Subjek penelitian ini adalah developer yang bergerak di bidang properti yang ada di Kabupaten Buleleng dengan jumlah 36 developer. Pengumpulan data menggunakan kuesioner dianalisis menggunakan analisis faktor berbantuan program SPSS 24.0 for Windows. Hasil penelitian menunjukkan bahwa faktor-faktor yang mempengaruhi tingkat harga perumahan di Kabupaten Buleleng adalah faktor keadaan perekonomian memiliki eigenvalue 1.195 dengan nilai varian 17.073%, faktor permintaan dan penawaran memiliki eigenvalue 1.024 dengan nilai varian 14.622%, faktor elastisitas permintaan memiliki eigenvalue 0.433 dengan nilai varian 6.180%, faktor persaingan memiliki eigenvalue 0.175 dengan nilai varian 2.495%, faktor biaya memiliki eigenvalue 2.818 dengan nilai varian 40.262%, faktor tujuan perusahaan memiliki eigenvalue 0.762 dengan nilai varian 10.882%, dan faktor pengawasan pemerintah memiliki eigenvalue 0.594 dengan nilai varian 8.486%. Faktor yang paling dominan mempengaruhi tingkat harga perumahan di Kabupaten Buleleng adalah faktor biaya dengan varimax rotation sebesar 40.262%.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 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) | 0,025 | 0,003 |
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 ».