MétaCan
Menu
Retour à la cohorte
Enregistrement W4323304414 · doi:10.58406/sainteka.v4i1.1143

ANALISIS KINERJA ZONA SELAMAT SEKOLAH (ZoSS) DI KOTA SUMBAWA

2023· article· id· W4323304414 sur OpenAlexaff
Ady Purnama, Komang Metty Trisna Negara, Pratiwi Dian Ilfiani, Reza Indriawan Putra Java

Notice bibliographique

RevueJurnal SainTekA · 2023
Typearticle
Langueid
DomaineEngineering
ThématiqueUrban Transport Systems Analysis
Établissements canadiensSummit Pacific College
Organismes subventionnairesnon disponible
Mots-clésPhysicsHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Pemerintah Indonesia menerapkan suatu program yang diberi nama Zona Selamat Sekolah (ZoSS) sebagai salah satu instrumen untuk mengurangi kecepatan kendaraan serta mengantisipasi perilaku anak sekolah yang tidak bisa direncanakan sehingga memicu kecelakaan lalu lintas. Banyak sekolah di kota-kota besar khususnya kota Sumbawa berada di dekat area jalan raya dengan kesadaran pengemudi yang masih kurang sehingga masih banyak pengemudi yang melaju dengan kecepatan tinggi. Tujuan penelitian ini untuk menganalisis kinerja ZoSS di kota Sumbawa dan akan di mulai dengan survei kelengkapan ZoSS, geometri jalan, hambatan samping, arus bebas untuk menentukan tingkat pelayanan ruas jalan yang terdapat ZoSS, volume kendaraan, kecepatan/spot speed dan perilaku penyeberang. Analisa data menggunakan pedoman MKJI 1997 dan Statistik Distribusi Normal (Uji Z) yang mangacu pada Peraturan Dirjen HubDat No. SK 3236/AJ 403/DRDJ/2006. Berdasarkan hasil analisis dari kelengkapan fasilitas ZoSS di dua lokasi belum memenuhi standar. Hasil kecepatan/spot speed yang di dapat pada dua lokasi yaitu, jalan Hasanudin sebesar 29,78 km/jam di pagi hari dan 37,49 km/jam di siang hari sedangkan untuk jalan Dr. Wahidins sebesar 33,19 di pagi hari dan 38,95 di siang hari. Kecepatan/spot speed di dua lokasi masih melebihi batas kecepatan yang dimana batas kecepatan untuk tipe ZoSS UD 20 adalah 20 km/jam, sedangkan untuk hasil analisis Uji Z perilaku penyeberang di dua lokasi sudah selamat dan aman dengan tingkat kesalahan 5%.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,219
Écart entre enseignants0,207 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal SainTekAMême sujetUrban Transport Systems AnalysisTravaux en français237 207