RISIKO BENCANA TANAH LONGSOR TERHADAP PEMANFAATAN RUANG DI KECAMATAN SUKAMAKMUR KABUPATEN BOGOR
Notice bibliographique
Résumé
Rencana Tata Ruang Kabupaten Bogor tahun 2016-2036 memiliki 22 (duapuluh dua) Kecamatan yang di tetapkan sebagai kawasan rawan bencana longsor salah satunya Kecamatan Sukamakmur. Tujuan dari penelitian ini adalah mengidentifikasi tingkat ancaman longsor, mengidentifikasi tingkat kerentanan longsor, mengidentifikasi tingkat kapasitas daerah, mengidentifikasi risiko bencana longsor serta mengidentifikasi risiko bencana longsor terhadap pemanfaatan ruang di Kecamatan Sukamakmur. Metode penelitian yang digunakan yaitu metode analisa spatial (GIS) dengan cara overlay, pembobotan dan skoring dan metode analisa deskriptif kuantitatif. Berdasarkan hasil analisa Kecamatan Sukamkmur memiliki ancaman longsor rendah 22,44%, sedang 56,21 % dan tinggi 21,28%. Kerentanan longsor terdiri dari kerentanan rendah 60,67% dan sedang 39,24%. Kapasitas daerah terdiri dari kapasitas daerah sedang 68,80% dan tinggi 31,19%. Selanjutnya untuk Risiko bencana longsor di Kecamatan Sukamakmur memiliki Risiko rendah 56,83 %, risiko sedang 40,84 % risiko tinggi 2,33 %. Analisa Risiko bencana longsor terhadap Pemanfaatan Ruang (RTRW) Kabupaten Bogor tahun 2016-2036 yang berada di Kecamatan Sukamakmur didominasi oleh kawasan permakiman perkotaan kepadatan rendah dengan luas 3793 Ha memiliki tingkat risiko rendah sebesar 29,91 %, tingkat risiko sedang 11,87%, tingkat risiko tinggi sebesar 19,78%.Kata kunci : Pemanfaatan Ruang, Risiko Longsor
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,003 |
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 ».