Analisis NRW pada Perumda Air Minum Tirta Mangutama Kabupaten Badung
Notice bibliographique
Résumé
The percentage of Non-Revenue Water (NRW) at PAM Tirta Mangutama from 2016–2021 is far above the maximum tolerance of 20% and even tends to increase every year. The increasing percentage of NRW causes the performance of PAM Tirta Mangutama to decline. The increase in the percentage of NRW causes a decrease in water pressure at the customer, discontinuity of service to customers, low service coverage, and lower income for PAM Tirta Mangutama. For this reason, research was carried out using the administrative product compilation method and descriptive analysis was carried out. The study was carried out in order to identify the causes of the high percentage of NRW and to provide recommendations for policies and appropriate strategies for PAM Tirta Mangutama Badung Regency in order to control the high level of water loss. In 2020 and 2021, the cost of water with real NRW will be higher than the cost of water in effect at that time, so that in 2020 and 2021 PAM Tirta Mangutama cannot meet the full cost (unfull cost recovery). Based on the water balance in 2021, non-physical and physical water losses are far greater than water losses based on unbilled official consumption. Efforts to suppress the high percentage of NRW require strategic steps that are grouped into 3 programs, namely: short-term, medium-term, and long-term programs.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».