MétaCan
Menu
Retour à la cohorte
Enregistrement W4312583590 · doi:10.14710/jpk.10.1.93-103

STUDI KOMPARATIF PERFORMA ANGKUTAN BRT TRANSJOGJA DAN TRANSJAKARTA

2022· article· id· W4312583590 sur OpenAlexaff
Mutiasari Kurnia Devi, Agustinus Yunastiawan Eka Pramana, Rinawanti Safitri

Notice bibliographique

RevueJurnal Pengembangan Kota · 2022
Typearticle
Langueid
DomaineEngineering
ThématiqueUrban Transport Systems Analysis
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésBus rapid transitHumanitiesComputer scienceTransport engineeringArtEngineeringPublic transport

Résumé

récupéré en direct d'OpenAlex

Peningkatan pelayanan transportasi massal di perkotaan seperti Bus Rapid Transit (BRT) akhir-akhir ini menjadi isu utama di kalangan perencana transportasi. BRT telah menjadi salah satu moda transit terpopuler yang menyediakan akses cepat dan mudah untuk memenuhi kebutuhan transportasi di negara berkembang. Di Indonesia, sistem BRT telah diimplementasikan dengan berbagai level penyesuaian terhadap standar BRT. Dua kota besar yang sudah menerapkan sistem BRT adalah Kota Jakarta dengan TransJakarta dan Kota Yogyakarta dengan TransJogja. Meskipun kedua sistem angkutan umum tersebut sama-sama mengusung konsep BRT, namun terdapat perbedaan dalam teknis implementasi sistem yang diterapkan. Tujuan utama dari penelitian ini adalah untuk melakukan studi komparatif terhadap kedua sistem BRT pada TransJakarta dan TransJogja dengan menganalisis keterkaitan antara aspek BRT system level dan performa operasional layanan dengan jumlah penumpang BRT. Metode dengan pendekatan studi kualitatif dilakukan untuk mengetahui bagaimana aspek BRT system level dan performa BRT dapat berkontribusi terhadap tingkat ridership BRT. Perbandingan kondisi eksisting layanan kedua BRT berdasarkan beberapa parameter teknis dan operasional digunakan sebagai dasar analisis dalam studi ini. Hasil dari penelitian ini menunjukkan bahwa adanya dukungan kebijakan pemerintah, keberadaan sistem angkutan umum massal lain, serta integrasi antar moda menjadi aspek yang dapat meningkatkan jumlah penumpang BRT.

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)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0250,007

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 Opus0,015
Tête enseignante GPT0,216
Écart entre enseignants0,200 · 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'étudeObservationnel
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Pengembangan KotaMême sujetUrban Transport Systems AnalysisTravaux en français237 207