MétaCan
Menu
Retour à la cohorte
Enregistrement W4386806782 · doi:10.30588/jep.v1i2.342

Kajian Resiko Dan Mitigasi Bencana Longsorlahan Di Kecamatan Ngilipar Kabupaten Gunungkidul

2018· article· id· W4386806782 sur OpenAlexaff
Amin Nurohmah

Notice bibliographique

RevueJurnal Enersia Publika Energi Sosial dan Administrasi Publik · 2018
Typearticle
Langueid
DomaineEarth and Planetary Sciences
ThématiqueGeological and Geophysical Studies
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsSpan (engineering)HumanitiesArtStructural engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Kecamatan Nglipar merupakan salah satu kecamatan di Kabupaten Gunungkidul yang masuk dalam kategori daerah rawan bencana longsorlahan kategori tinggi. Pada Tahun 2012-2013 akibat bencana longsorlahan di Kecamatan Nglipar menyebabkan 37 rumah rusak, 3 orang luka ringan dan 1 orang luka berat dengan kerugian mencapai Rp. 236.500.000. Berdasarkan latar belakang masalah tersebut, penelitian ini bertujuan (1) menganalisis dan memetakan tingkat bahaya longsorlahan, (2) menganalisis dan memetakan tingkat kerentanan dan kapasitas masyarakat lokal, (3) menganalisis dan memetakan tingkat risiko bencana longsorlahan, serta (4) menganalisis kegiatan mitigasi bencana pada daerah bahaya bencana longsorlahan kategori tinggi di Kecamatan Nglipar, Kabupaten Gunungkidul, Provinsi Daerah Istimewa Yogyakarta. Penelitian ini merupakan penelitian deskriptif kuantitatif, populasi penelitian adalah seluruh kepala keluarga pada zona bahaya longsorlahan tinggi didasarkan pada proses geomorfologi dan kondisi lahan menurut Peraturan Menteri Pekerjaan Umum No 22/PRT/M/2007. Jumlah sampel penelitian adalah 118 kepala keluarga ditentukan menggunakan rumus Confidence Interval dengan tingkat kesalahan 9%. Penelitian tingkat kerentanan, kapasitas, dan risiko masyarakat dilakukan melalui survei penduduk pada daerah bahaya bencana longsorlahan kategori tinggi dengan metode Vulnerability and Capacity Assement (VCA). Penilaian selanjutnya dilakukan secara kuantitatif dengan pemberian skoring menggunakan software SPSS dan dilakukan teknis análisis spasial menggunakan Software ArcGIS. Metode deskriptif digunakan untuk menguraikan karakteristik daerah bahaya, kerentanan, kapasitas, risiko masyarakat dan analisis kebijakan mitigasi bencana longsorlahan. Hasil penelitian menunjukan sebagian besar kepala rumah tangga (66,10%) berpendidikan lulus Sekolah Dasar dan Sekolah Menengah Pertama, yang mayoritas (79,66%) berprofesi sebagi petani sawah dengan penghasilan rendah. Tingkat bahaya longsorlahan terbagi menjadi tiga tingkat zona bahaya yaitu rendah, sedang, dan tinggi. Zona tingkat bahaya tinggi meliputi wilayah seluas 1.757,13 ha, zona tingkat bahaya sedang seluas 3.540,09 ha, dan zona bahaya rendah memiliki luas 2.008,5 ha. Secara umum (88,14%) penduduk menempati pada tingkat kerentanan sedang dan mayoritas mempunyai kapasitas sedang (38,14%). Risiko bencana tingkat rendah (67,80%) terdapat di Desa Pilangrejo dan sebagian penduduk Desa Natah sedangkan tingkat risiko sedang (26,27%) terletak di sebagian penduduk Desa Pengkol dan Natah, dan penduduk berisiko tinggi (5,93%) adalah sebagian penduduk Desa Pengkol dan Natah. Beberapa hal yang sangat berpengaruh terhadap keberhasilan kegiatan mitigasi bencana di Kecamatan Nglipar adalah pola komunikasi yang diterapkan antara pemimpin lokal dengan masyarakat, kehadiran lembaga swadaya masyarakat, beroperasinya kegiatan masyarakat, seperti kelompok tani, kelompok kehutanan, kelompok sadar lingkungan serta kearifan lokal yang mendorong perhatian setiap penduduk terhadap kondisi lingkungannya.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,125

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0370,006

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 Opus0,019
Tête enseignante GPT0,228
Écart entre enseignants0,209 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Enersia Publika Energi Sosial dan Administrasi PublikMême sujetGeological and Geophysical StudiesTravaux en français237 207