ANALISIS POTENSI PENERIMAAN RETRIBUSI PELAYANAN PARKIR DI TEPI JALAN UMUM KOTA BANJARMASIN
Notice bibliographique
Résumé
The purpose of this study was to see the actual potential of revenue from the retribution of parkirng services on the edge of the public roads of Banjarmasin City in 2018. The type of research used is descriptive statistics, with a population of 208 parking retribution points in 5 sub-districts of Banjarmasin City and using the Slovin test to determine 22 samples. The data used is primary data obtained from field observations. The analysis techinque used is selecting sampling and standard deviation techniques. Selecting sampling by observasing for 10 minutes parking reception at busy and quiet hours on weekdays and weekends. While the standard deviation is used to see the upper and lower limits of potensial retribution for parking service on the edge of public roads.The results obtained in this study show that the target set is able to cross the lower standard deviation, which means that the performance of the local government, especially the transportation agency, is quite good, but the revenue from the on-street parking retribution can be improved. For the North Banjarmasin region it can be increased by 101%, then South Banjarmasin by 218%, then for the West Banjarmasin region by 26%, then for East Banjarmasin by 26% and the Central Banjarmasin area by 23%. Whereas for the the centra antasari market, it can be increased by 29%Keyword: Potential, selecting sampling, parking retribution.
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 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».