Implementasi Sistem Informasi Tata Ruang (Sitaru) untuk Meningkatkan Literasi Tata Ruang Generasi Muda di Kota Bekasi, Jawa Barat
Notice bibliographique
Résumé
Pemerintah Kota Bekasi telah membangun sistem digital Sitaru (Sistem Informasi Tata Ruang) Kota Bekasi yang dapat diakses oleh khalayak. Namun, tingkat pemanfaatan Sitaru masih rendah, terlihat dari jumlah kunjungan hanya 15.000 per tahun dibandingkan jumlah penduduknya 2,5 juta jiwa. Kegiatan ini bertujuan untuk meningkatkan literasi tata ruang dengan pemanfaatan aplikasi Sitaru kepada generasi muda di Kota Bekasi. Generasi muda, khususnya siswa SMA, dipilih sebagai target sasaran kegiatan dengan pertimbangan tingkat pemahaman penggunaan media online sudah baik sehingga lebih mudah familiar dengan informasi berbasis digital. Kegiatan ini dilaksanakan pada tanggal 24 Januari 2025 di SMA Islam PB Sudirman 1 Bekasi, Kelurahan Jaka Setia, Kecamatan Bekasi Selatan, Kota Bekasi dan diikuti oleh 48 siswa sebagai peserta. Metode pelaksanaan meliputi pre-test, pemberian materi dan diskusi, praktik penggunaan Sitaru, serta post-test sebagai evaluasi. Hasil menunjukkan bahwa adanya peningkatan pemahaman peserta terhadap keberadaan Sitaru dari sebelum penyuluhan (pre-test) sebesar 31,25% - 68,75%, menjadi 87,5% - 97,9% setelah penyuluhan (post-test). Selain itu, pengenalan terhadap praktek pemanfaatan Sitaru juga menunjukkan capaian serapan materi berkisar 71,8% - 94,9% atau rata-rata 82,06%. Kegiatan peningkatan literasi tata ruang pada generasi muda perlu dilakukan terus menerus agar mereka mampu berperan dalam mendukung penyelenggaraan tata ruang sesuai rencana.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,007 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».