MétaCan
Menu
Retour à la cohorte
Enregistrement W4403238954 · doi:10.29313/bcsurp.v4i3.15364

Partisipasi Masyarakat dalam Penanggulangan Banjir di Kecamatan Periuk

2024· article· en· W4403238954 sur OpenAlexaff
Rani Indah Sri Safitri, Yulia Asyiawati

Notice bibliographique

RevueBandung Conference Series Urban & Regional Planning · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueMultimedia Learning Systems
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésGeography

Résumé

récupéré en direct d'OpenAlex

Abstract. Floods are one of the most frequent natural disasters in Indonesia, especially in lowland and urban areas, as is the case in Priuk District, Tangerang City. Physically, this sub-district is a type of lowland, which is crossed by 3 rivers including Kali Sabi, Kali Ledug, and Kali Cirarab, as well as 2 lakes, namely Bulakan and Cangkring. Conditions are one of the factors that cause flooding. The impact of flood events with a height of 5 cm - 2 meters has a detrimental impact on the community. Community participation is a key element in sustainable and effective flood management efforts. The aim of this research is to identify the type and level of community participation in flood management in Periuk District. Through the descriptive analysis method, it was found that flooding occurred in each sub-district with different durations, which resulted in damage to infrastructure, with estimated community losses of IDR 5.6 billion. Communities affected by floods have participated in dealing with floods, with the types of participation carried out being property, energy and social. The level of community participation in dealing with floods in this sub-district includes self-management, consensus-building and manipulation. Based on these findings, it can be concluded that the type of participation carried out by the community in flood areas is property with a consensus-building level of participation. Sub-districts that were not affected by flooding provided participation in the form of personnel, with manipulation of participation levels. This research recommends strengthening community participation mechanisms through inclusive policies and sustainable education to create an environment that is more resilient to flood disasters. Abstrak. Banjir merupakan salah satu bencana alam yang paling sering terjadi di Indonesia, terutama di daerah dataran rendah dan perkotaan, begitu juga halnya dengan Kecamatan Priuk, Kota Tangerang. Secara fisik kecamatan ini merupaka dataran rendah dengan jenis, yang dilewati oleh 3 sungai meliputi Kali Sabi, Kali Ledug, dan Kali Cirarab, serta 2 situ, yaitu Bulakan dan Cangkring. Kondisi salah satu faktor yang menyebabkan terjadinya banjir, Dampak dari kejadian banjir dengan ketinggian 5 cm – 2 mater memberikan dampak kerugian bagi masyarakat. Partisipasi masyarakat merupakan elemen kunci dalam upaya penanggulangan banjir yang berkelanjutan dan efektif. Tujuan dari penelitian ini adalah mengidentifikasi jenis dan tingkat partisipasi masyarakat dalam penanganan banjir di Kecamatan Periuk. Melalui metode analisis deskriptif ditemukan bahwa banjir terjadi disetiap kelurahan dengan durasi yang berbeda-beda, yang memberikan dampak kerusakan infrastruktur, yang diperkirakan kerugian masyarakat adalah sebesar Rp 5,6 Miliar. Masyarakat yang terdampak banjir sudah berpartisipasi untuk menangani banjir, dengan jenis partisipasi yang dilakukan adalah Harta benda, tenaga dan sosial, Tingkat partisipasi masyarakat dalam menangani banjir di kecamatan ini meliputi self-management, consensus-building dan Manipulation. Berdasarkan temuan ini dapat disimpulkan bahwa jenis partisipasi yang dilakukan masyarakat pada kawasan banjir adalah harta benda dengan tingkat partisipasi consensus-building. Kelurahan yang tidak terdampak banjir memberikan partisipasi berupa tenaga , dengan tingkat partisipasi manipulation Penelitian ini merekomendasikan penguatan mekanisme partisipasi masyarakat melalui kebijakan inklusif dan edukasi berkelanjutan guna menciptakan lingkungan yang lebih tangguh terhadap bencana banjir.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,039
Tête enseignante GPT0,269
Écart entre enseignants0,230 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBandung Conference Series Urban & Regional PlanningMême sujetMultimedia Learning SystemsTravaux en français237 207