IDENTIFIKASI KARAKTERISTIK DAN FAKTOR PENGARUH PADA BENCANA LONGSOR LAHAN DI KECAMATAN DAU
Notice bibliographique
Résumé
Tujuan penelitian ini untuk menganalisis dan mengetahui identifikasi karakteristik bencana longsor lahan dan identifikasi faktor pengaruh bencana longsor lahan di kecamatan Dau. Metode penelitian yang dilakukan yakni survei pada lokasi terpilih yaitu desa Kucur dan Petungsewu. Survei dilakukan dengan mengamati berbagai kondisi yang disesuaikan dengan tabel parameter faktor pengaruh terjadinya longsor lahan, selanjutnya diskoring untuk mengetahui faktor penentu pada masing-masing titik sampel pengamatan secara kuantitatif. Akumulasi dari tiap skor menghasilkan klasifikasi tingkat rawan bencana longsor lahan yang terbagi dalam berbagai kelas yaitu Kelas I dengan kriteria tingkat rawan dan paling tinggi Kelas V dengan kriteria sangat rawan. Hasil penelitian menunjukkan desa Kucur dan Petungsewu tergolong wilayah yang memiliki kerawanan longsor kelas IV dengan skor 32-36 yang terbagi di empat titik lokasi. Hasil identifikasi menunjukkan tipe longsor longsor rotasi dan translasi. Adapun faktor utama yang mempengaruhi terjadinya longsor antara lain curah hujan, jenis tanah, penggunaan lahan, dan kemiringan lereng.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,005 |
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 ».