IDENTIFIKASI RESIKO INVESTOR DALAM INVESTASI JALAN TOL
Notice bibliographique
Résumé
Dengan dicanangkannya percepatan pembangunan infrastruktur yang antara lain jugamencakup pembangunan 1600 km jalan tol dalam 5 tahun kedepan, pemerintah sudahmelakukan perombakan pada regulasi yang mempermudah untuk berinvestasi bisnis jalan tolyang bankable dengan ditetapkannya Undang-Undang No. 38 tahun 2004 tentang Jalan danPeraturan Pemerintah No. 15 tahun 2005 tentang Jalan Tol.Konsep yang mendasari jalan tol adalah suatu konsep pendanaan dimana dana pembangunanjalan tol sepenuhnya diperoleh dari pemakai jalan tol melalui pengenaan tarif tol. Sedangkaninvestor dibantu lembaga-lembaga pendanaan dalam hal ini berfungsi sebagai “jembatan” agarjalan tol yang bersangkutan dapat diwujudkan dan menghasilkan pendapatan. Industri jalan tolmerupakan proyek yang sangat dipengaruhi risiko dan ketidakpastian dimana timbulnya risikodan ketidakpastian akan mempengaruhi investor merencanakan investasi proyek jalan tol.Penelitian ini dilakukan untuk mendapatkan faktor-faktor utama dari sekian banyak faktor risikoyang mempengaruhi risk response planning investor jalan tol untuk memutuskan berinvestasijalan tol di Indonesia.Setelah melakukan pengujian data maka hasil penelitian didapat bahwa faktor internal lebihdominan dari pada faktor eksternal, dimana prioritas faktor berdasarkan kriteria yaitu identifikasirisiko dan risk attitute memberikan kontribusi hasil yang signifikan. Sedangkan urutan prioritasfaktor berdasarkan subkritera adalah; variabel penentuan besaran tarif, perkiraan biayakonstruksi, operasi, dan pemeliharaan, perkiraan volume lalu lintas, tingkat pengembalianinvestasi, masa konsesi, kematangan dalam mengambil keputusan, profesionalitas sikap, danketerlambatan penyelesaian proyek.
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 | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 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) | 0,025 | 0,005 |
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 ».