MétaCan
Menu
Retour à la cohorte
Enregistrement W4386541933 · doi:10.29313/bcsurp.v3i2.7755

Kajian Kinerja Smart Mobility pada Mikrotrans di DKI Jakarta

2023· article· en· W4386541933 sur OpenAlexaff
Ernady Syaodih

Notice bibliographique

RevueBandung Conference Series Urban & Regional Planning · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueUrban Transport Systems Analysis
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPublic transportTransport engineeringConformityGovernment (linguistics)Mass transportationBusinessProcess (computing)Conformity assessmentOperations managementComputer scienceEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract. DKI Jakarta has limitations in public transportation services .Mikrotrans is one of the feeder transportation which is one of the efforts made by the government to make people switch to public transportation. The application of smart mobility in DKI Jakarta in the form of a transportation mode integration system through microtrans is not optimal and mass bus transportation has not been integrated with microtrans. The purpose of this study is to identify community assessments in the development of smart mobility on microtrans in Cilandak District and identify obstacles and solutions in the development of smart mobility on microtrans in Cilandak District. The approach method in this research is a mix method using the Importance Performance Analysis (IPA) method and descriptive analysis of the planning, implementation, monitoring and evaluation processes. The result of the analysis is that there is a gap between government performance and community expectations with an average gap of -0.93 and a total level of conformity of 77.94%, meaning that people are less satisfied with government performance in implementing smart mobility on microtrans in Cilandak District. 4 indicators that are included in the priority handling are access to information, the existence of public transport route information, the existence of schedules and waiting times for transportation and comfort in transportation. In the planning, implementation, supervision and evaluation process, there are constraints, namely in the process of integrating regular transportation, the microtrans program has not been socialized, and there is still limited supervision. Abstrak. DKI Jakarta memiliki keterbatasan dalam pelayanan angkutan umum.. Mikrotrans merupakan salah satu angkutan pengumpan yang merupakan salah satu upaya yang dilakukan pemerintah untuk menjadikan masyarakat beralih pada angkutan umum penerapan smart mobility di DKI Jakarta berupa sistem integrasi moda transportasi melalui mikrotrans ternyata belum optimal dan angkutan bus massal belum terintegrasi dengan mikrotrans. Tujuan dari penelitian ini adalah teridentifikasinya penilaian masyarakat dalam pembangunan smart mobility pada mikrotrans di Kecamatan Cilandak dan teridentifikasinya kendala dan solusi dalam pembangunan smart mobility pada mikrotrans di Kecamatan Cilandak. Metode pendekatan pada penelitian kali ini adalah mix method dengan menggunakan metode Importance Performance Analysis (IPA) dan analisis deskriptif terhadap proses perencanaan, pelaksanaan, pengawasan dan evaluasi. Hasil analisis adalah terdapat kesenjangan antara kinerja pemerintah dan harapan masyarakat dengan rata-rata kesenjangan adalah -0,93.dan total tingkat kesesuaian adalah 77,94% hal ini menunjukan masyarakat kurang merasa puas dengan kinerja pemerintah dalam pelaksanaan smart mobility pada mikrotrans di Kecamatan Cilandak. Terdapat 4 indikator yang masuk ke dalam prioritas penanganan yaitu akses informasi, keberadaan informasi rute angkutan umum, keberadaan jadwal dan waktu tunggu transportasi dan kenyamanan dalam transportasi Pada proses perencanaan, pelaksanaan, pengawasan dan evaluasi terkendala yaitu pada proses pengintegrasi angkutan reguler menjadi mikrotrans, belum tersosialisasikannya secara utuh mengenai program mikrotrans,dan masih terbatasnya pengawasan kinerja operator sesuai kontrak perjanjian.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,141

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0420,008

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 Opus0,035
Tête enseignante GPT0,227
Écart entre enseignants0,192 · 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 revueBandung Conference Series Urban & Regional PlanningMême sujetUrban Transport Systems AnalysisTravaux en français237 207