KAJIAN TIPOLOGI RUANG TERBUKA HIJAU KAMPUS UNDIP DI TEMBALANG BERDASARKAN INDEKS HIJAU BIRU INDONESIA (IHBI) SEBAGAI UPAYA MEWUJUDKAN SUSTAINABLE CAMPUS
Notice bibliographique
Résumé
Institusi pendidikan tinggi berperan dalam meningkatkan aspek keberlanjutan, salah satunya adalah lingkungan. Universitas Diponegoro (UNDIP) sebagai salah satu perguruan tinggi di Kota Semarang telah menerapkan konsep Green and Sustainable dalam pengembangan kampusnya. UNDIP saat ini memiliki kepadatan bangunan mencapai 48% dari luas kawasan, sehingga penyediaan RTH sangat penting untuk menjamin peningkatan ekologis kawasan Undip. Tujuan dalam penelitian ini adalah untuk menganalisis tipologi RTH di Kampus Undip Tembalang menggunakan tipologi RTH dengan pendekatan Indeks Hijau Biru Indonesia (IHBI) menurut Peraturan Menteri ATR/BPN nomor 14/2022, serta menggunakan analisis Sistem Informasi Geografis (SIG). Hasil dalam penelitian ini menunjukkan bahwa luas RTH dengan pendekatan IHBI adalah 99,67 hektar atau mencapai 66,81% dari luas kawasan. Luasan RTH terbesar adalah hutan kampus yaitu sebesar 43,86 hektar atau 44% dari luas RTH. Selain itu RTH publik di kawasan kampus saat ini hanya 16,77 hektar atau 16% sehingga perlu adanya peningkatan RTH Publik di Kawasan Kampus.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,008 |
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 ».