Analisis Faktor-Faktor Yang Mempengaruhi Pola Permukiman Sebagian Wilayah Kecamatan Kambu Kota Kendari
Notice bibliographique
Résumé
Jumlah penduduk Indonesia dari tahun ke tahun selalu bertambah. Kondisi ini akan membawa konsekuensi semakin bertambahnya kebutuhan ruang hidup yang berupa lahan permukiman. Penelitian ini bertujuan untuk: (1) mengetahui dan memahami pola permukiman penduduk sebagian wilayah Kecamatan Kambu Kota Kendari, dan (2) mengetahui faktor-faktor yang mempengaruhi pola permukiman penduduk sebagian wilayah Kecamatan Kambu Kota Kendari. Metode analisis yang digunakan pada penelitian ini adalah: (1) Nearest Neighbour Analysis dan (2) analisis scoring/pembobotan. Hasil Penelitian ini menunjukan bahwa: (1) sebagian wilayah Kecamatan Kambu terdapat empat kelurahan, yaitu Kelurahan Kambu, memiliki pola mengelompok dan acak di beberapa RT, Kelurahan Lalolara, Padaleu, dan Mokoau memiliki pola mengelompok. Dan memiliki tiga kelas permukiman, yaitu kelas permukiman teratur, semi teratur, dan tidak teratur dari beberapa RT/RW nya; (2) faktor-faktor yang berpengaruh pada pola permukiman, yaitu faktor aksessibilitas, pendapatan atau ekonomi, aspek sosial, dan aspek budaya. Kata kunci: Permukiman, Pola Permukiman, Faktor-Faktor Pola Permukiman, Nearest Neighbour Analysi
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 | 0,003 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».