IDENTIFIKASI POTENSI OBJEK DAYA TARIK WISATA DI DESA BISSOLORO SEBAGAI DESA WISATA BERBASIS ALAM
Notice bibliographique
Résumé
Wisata alam mempunyai potensi yang besar dalam sistem kepariwisataan. Dalam pengembanganya, wisata alam menguntungkan dengan letak geografis dan keragaman sumber daya alam yang memiliki keunikan tersendiri dibandingkan dengan wisata lainya. Kabupatem Gowa merupakan salah satu kabupaten di Provinsi Sulawesi Selatan yang memiliki banyak potensi obyek wisata yang menarik untuk dikembangkan, salah satunya wisata alam. Penelitian ini berujuan untuk mengetahui potensi objek daya tarik wisata di Kabupaten Gowa, tepatnya di Kecamatan Bungaya Desa Bissoloro serta untuk mengetahui karakteristik faktor yang menjadi pendukung daya tarik wisata alam di lokasi tersebut. Penelitian ini berlokasi di Desa Bissoloro Kecamatan Bungaya Kabupaten Gowa. Pengumpulan data primer dan sekunder dilakukan pada bulan Maret – September tahun 2022. Hasil penelitian menunjukkan bahwa potensi objek daya tarik wisata di Desa Bissoloro Kecamatan Bungaya Kabupaten Gowa yaitu faktor yang menjadi pendukung daya tarik wisata alam tersebut sesuai dengan namanya yaitu wisata hutan pinus, antara lain wisata Hutan Pinus Moncong Sipolong, Hutan Pinus Rita Malompoa, Hutan Pinus Panorama, Hutan Pinus Tangkalaka, dan Hutan Pinus Selow adalah hutan pinusnya yang asri dan sejuk. Sedangkan objek wisata Puncak Tinambung Highland memiliki faktor daya tarik dengan pemandangan yang indah serta memiliki variabel dan indikator yang sudah terpenuhi. Hutan Pinus Moncong Sipolong, Hutan Pinus Rita Malompoa, Hutan Pinus Panorama, Hutan Pinus Tangkalaka, Hutan Pinus Selow, dan Puncak Tinambung sudah memenuhi semua indikator dalam karakteristik kawasan wisata alam namun terdapat faktor yang belum terpenuhi yaitu pada variabel something to buy, yaitu kawasan wisata alam ini belum mempunyai produk yang khas untuk diperjualbelikan pada wisatawan yang datang.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,004 |
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 ».