Faktor-faktor Yang Mempengaruhi Preferensi Masyarakat Dalam Menggunakan Moda Mass Rapid Transit (MRT) Kota Jakarta
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
DKI Jakarta selain merupakan Ibukota Negara Indonesia juga menjadi pusat bisnis dan pemerintahan dengan jumlah penduduk mencapai 10.374.235 jiwa dan kepadatan penduduk mencapai 15.663 orang per . Dinamika kota-kota besar dengan karakter pertumbuhan penduduk dan kepadatan lalu lintas yang tinggi membuat kebutuhan terhadap pengembangan sistem transportasi terutama transportasi massal cepat (Mass Rapid Transportation-MRT) menjadi cukup besar. Selain itu, pengembangan sistem transportasi ini juga untuk mengimbangi pertumbuhan kendaraan pribadi yang terus mengalami peningkatan sedangkan sistem moda shares angkutan umum cenderung mengalami penurunan hingga 3% sejak tahun 2002. Saat ini, terdapat upaya pengembangan sistem angkutan umum massal berbasis jalan dan berbasis rel berdasarkan RTRW DKI Jakarta 2010-2030. Berkaitan dengan kondisi tersebut perlu adanya kajian terhadap penilaian pelayanan transportasi umum guna menarik masyarakat dalam menggunakannya agar permasalahan lalu lintas yang ada dapat terselesaikan. Tujuan penelitian ini antara lain adalah mengetahui karakteristik masyarakat yang memiliki preferensi dalam menggunakan moda MRT dan faktor-faktor yang mempengaruhi preferensi masyarakat dalam menggunakan moda MRT. Penelitian ini menggunakan metode analisis statistic deskriptif dan analisis faktor. Berdasarkan hasil analisa diketahui masyarakat yang memiliki preferensi untuk menggunakan moda MRT sebesar 98% dengan karakter sebagian besar berjenis kelamin Laki-laki, rentang usia 25-35 Tahun, jenis pekerjaan pegawai swasta, dan tingkat penghasilan ≥Rp.4.000.000. Tujuan perjalanan menuju perkantoran, dan memiliki keperluan perjalanan untuk bekerja. Selanjutnya dari analisis faktor dihasilkan 17 kelompok faktor yang mempengaruhi preferensi masyarakat dalam menggunakan moda MRT, dengan kelompok faktor nomor 1 yang memiliki tingkat variasi eigen value tertinggi.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,006 |
| Méta-épidémiologie (sens large) | 0,007 | 0,004 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,007 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,009 |
| 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 découle