Probabilitas Rumah Tangga di Labuhanbatu Selatan Untuk Memiliki Rumah Sendiri Tahun 2020
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Rumah merupakan kebutuhan dasar yang dapat memberikan banyak benefit bagi penghuninya. Kemampuan rumah tangga untuk memiliki rumah sendiri juga berbeda-beda. Kabupaten Labuhanbatu Selatan yang sebagian besar wilayah pedesaan ternyata tingkat kepemilikan rumah sendiri berada di 5 terendah di Sumatera Utara, serupa dengan wilayah perkotaan seperti Kota Sibolga, Kota Padang Sidimpuan, dan Kota Pematang Siantar. Terdapat dugaan apakah karakteristik demografi rumah tangga di Labuhanbatu Selatan sama dengan rumah tangga di perkotaan sehingga tingkat kepemilikan rumah sendiri di Labuhanbatu selatan sama rendahnya dengan 3 Kota tersebut. Oleh karena itu perlu analisis lebih lanjut untuk mengetahu karakteristik demografi apa saja yang mempengaruhi status kepemilikan rumah di Labuhanbatu Selatan pada tahun 2020. Status kepemilikan rumah dijadikan sebagai variabel Y dengan 4 kategori yaitu rumah sendiri kontrak/sewa, bebas sewa, dan dinas. Karakteristik demografi yang di jadikan sebagai variabel X adalah Usia KRT, Pendidikan KRT, Lapangan Usaha KRT, Pengeluaran Perbulan Rumah Tangga, Daerah Tempat tinggal dan Tempat Lahir KRT. Model regresi logisik multinomian dipilih untuk menjelaskan pengaruh Variabel X terhadap Variabel Y yang bersifat polikotomus. Pada tingkat signifikansi 5% seluruh variabel X secara terpisah berpengaruh signifikan terhadap status kepemilkan rumah di Labuhanbatu Selatan. Nilai probabilitas rumah tangga dengan karakteristik KRT Lahir di Labuhanbatu Selatan, tinggal di pedesaan, KRT bekerja di Lapangan Usaha pertanian, rata-rata pengeluaran perbulan kurang dari 2,5 juta rupiah dan usia KRT di atas 65 tahun memiliki probabilitas untuk memiliki dan tinggal di rumah sendiri sebesar 98,3%.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle