MétaCan
Menu
Retour à la cohorte
Enregistrement W4245087801 · doi:10.29122/alami.v2i2.3102

SISTEM INFORMASI BENCANA TANAH LONGSOR (SI-BENAR) BERBASIS WEB UNTUK WILAYAH DESA CILILIN, KECAMATAN CILILIN, KABUPATEN BANDUNG BARAT

2018· article· id· W4245087801 sur OpenAlexaff
Bondan Fiqi, Iyan Turyana, Eko Widi Santoso

Notice bibliographique

RevueJurnal Alami Jurnal Teknologi Reduksi Risiko Bencana · 2018
Typearticle
Langueid
DomaineComputer Science
ThématiqueData Mining and Machine Learning Applications
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsHumanities

Résumé

récupéré en direct d'OpenAlex

Tanah longsor merupakan peristiwa kebencanaan yang kerap terjadi di wilayah Desa Cililin, Kecamatan Cililin, Kabupaten Bandung Barat, yang memiliki dampak negatif diantaranya adalah jatuhnya korban jiwa, kerugian rusaknya insfrastruktur, perekonomian yang tersendat, menurunnya harga tanah di daerah setempat serta trauma psikis bagi para korban selamat sehingga menimbulkan berbagai gangguan kejiwaan. Bencana tanah longsor dapat terjadi dimana dan kapan saja, namun dapat diidentifikasi lebih dini menggunakan Early Warning System (EWS) tanah longsor. EWS tanah longsor memerlukan suatu tampilan untuk menampilkan data-data monitoring kepada stakeholder yang berkaitan dengan bencana tanah longsor berupa sebuah aplikasi sistem informasi. Aplikasi sistem informasi bencana tanah longsor (Si-Benar) berbasis web ini dirancang menggunakan beberapa tahapan perancangan desain diagram, desain tampilan, menggunakan bahasa pemrograman PHP, basis data MySQL dan menampilkan data-data sensor dari hardware EWS tanah longsor dengan tampilan responsif. Sistem informasi bencana tanah longsor (Si-Benar) berbasis web merupakan solusi untuk memberikan informasi faktual mengenai data-data yang digunakan sebagai bahan monitoring dan evaluasi mengenai potensi bencana tanah longsor di wilayah Desa Cililin, Kecamatan Cililin, Kabupaten Bandung Barat. Kata kunci: Tanah Longsor, Early Warning System (EWS), Aplikasi sistem informasi bencana tanah longsor (Si-Benar), Data

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,137

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0060,004
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0410,034

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,265
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Alami Jurnal Teknologi Reduksi Risiko BencanaMême sujetData Mining and Machine Learning ApplicationsTravaux en français237 207