Strategi Berkelanjutan dalam Mengatasi Krisis Sampah Di Kota Semarang
Notice bibliographique
Résumé
Tujuan penelitian ini adalah untuk mengidentifikasi faktor-faktor utama penyebab krisis sampah di Kota Semarang, mengembangkan strategi berkelanjutan yang efektif untuk mengatasi krisis sampah, dan memberikan rekomendasi kebijakan yang konkret kepada pemerintah Kota Semarang untuk mencapai pengelolaan sampah yang berkelanjutan. Penelitian ini menggunakan metode kualitatif dengan pendekatan analisis Grounded Theory dan analisis Strength, Weakness, Opportunities, Threats (SWOT). Temuan dari analisis Grounded Theory menunjukkan bahwa faktor utama penyebab krisis yaitu perilaku masyarakat yang kurang bertanggung jawab, infrastruktur pengelolaan sampah yang masih belum optimal, dan masih lemahnya kerja sama antar pemangku kepentingan. Sedangkan analisis SWOT menunjukkan hasil berupa potensi strategi dalam mengatasi krisis sampah yaitu: 1) peningkatan kesadaran dan partisipasi aktif masyarakat dengan melakukan kampanye edukasi tentang pentingnya pengelolaan sampah; 2) melakukan pemberian insentif untuk partisipan aktif; 3) diperlukan penguatan infrastruktur; 4) kerjasama yang lebih baik antar pemangku kepentingan; 5) pembentukan lebih banyak partisipan pengelola bank sampah dan Tempat Pengolahan Sampah Reduce, Reuse, Recycle (TPS 3R); 6) peningkatan penggunaan teknologi modern; 7) menerapkan penegakan regulasi; 8) melibatkan perguruan tinggi dan lembaga riset dalam penelitian dan pengembangan teknologi pengelolaan sampah; 9) melibatkan sektor privat/swasta; serta, 10) evaluasi rutin demi mengukur keberhasilan implementasi kebijakan pemerintah yang telah di terapkan.
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 | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,011 | 0,008 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 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 ».