ANALISIS BIAYA KEMACETAN LALU LINTAS BERDASARKAN V/C RATIO (Studi Kasus: Rute Kabupaten Cilacap – Kabupaten Bandung)
Notice bibliographique
Résumé
Rute perjalanan dari Kabupaten Cilacap ke Kabupaten Bandung yang melalui Jl. Tegal-Cilacap hingga Jl. Raya Cileunyi yang tergolong jalan luar kota memiliki volume lalu lintas yang cukup tinggi pada beberapa segmen karena memegang peran utama dalam menunjang pergerakan masyarakat. Tingginya arus lalu lintas dan adanya aktivitas sisi jalan pada beberapa segmen menyebabkan arus lalu lintas yang tidak lancar yang kemudian menyebabkan penurunan kecepatan kendaraan. Hal tersebut dapat menyebabkan arus lalu lintas tersendat dan mendorong terjadinya kemacetan. Hal ini kemudian memberikan pengaruh terhadap pengeluaran pengendara karena biaya operasional kendaraan dan nilai waktu perjalanan meningkat. Penelitian ini bertujuan untuk menghitung biaya kemacetan lalu lintas di sepanjang rute Kabupaten Cilacap hingga Kabupaten Bandung yang dapat diestimasikan oleh peningkatan biaya operasional kendaraan dan kerugian waktu. Hasil penelitian menunjukkan bahwa biaya kemacetan pada rute perjalanan Kabupaten Bandung ke Kabupaten Cilacap sebesar Rp. 256.087.725/jam puncak. Sehingga dapat diperoleh biaya kemacetan rata-rata sebesar Rp. 1.219.552/km. Persentase biaya kemacetan menurut jenis kendaraan terdiri atas Kendaraan Ringan sebesar 66%, Kendaraan Berat 2 As sebesar 23%, dan Kendaraan Berat 3 As sebesar 11%. Hubungan derajat kejenuhan (VCR) dan biaya kemacetan lalu lintas dengan koefisien determinasi 0,897 berupa fungsi eksponensial dengan biaya kemacetan Y = 26.363e4,9665x dan x sebagai VCR.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
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 ».