Analisis Spatial Econometric Perilaku Pergerakan Masyarakat di Kota Makassar
Notice bibliographique
Résumé
Makassar merupakan kota terbesar keempat di Indonesia. Saat ini Kota Makassar sedang menghadapi permasalahan berat di dalamnya adalah sistem transportasi. Salah satunya adalah kemacetan yang disebabkan oleh ketimpangan jaringan jalan dan jumlah pengguna kendaraan pribadi yang tidak terkendali. Setiap hari lebih dari 150.000 komuter masuk ke Makassar dan terustumbuh sekitar 5% per tahun (sumber: Bappeda Makassar), yang mana mereka berasal dari kabupaten sekitar kota Makassar.Sebagai kota terbesar di Indonesia bagian timur dan salah satu kota terbesar, Makassar mempunyai pertumbuhan pergerakan transportasi tertinggi di luar Jakarta dan Surabaya. Kondisi inilah yang menjadi alasan utama dilakukannya penelitian ini untuk menjadi masukan bagi kajian dan penelitian mengenai perkembangan transportasi umum di Makassar. Model Regresi Tertimbang Geografis, yaitu jenis model statistik spasial yang menggunakan kumpulan data spasial sebagai data dasar untuk dianalisis. Model ini juga didasarkan pada model Regresi; Namun, model ini memiliki keunggulan pada hasil lokal di setiap fitur kumpulan data. Dalam penelitian ini kami menggunakan data GIS kecamatan. Hasil GWR menggambarkan hasil di setiap kecamatan dan membantu kita memahami model prediksi dan pola. skripsi ini akan mendapatkan referensi akademis kepada pemerintah kota Makassar dan pemerintah Provinsi Sulawesi Selatan mengenai perilaku perjalanan di Makassar.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,003 |
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 ».