Analisis Spatial Econometric Perilaku Pergerakan Masyarakat di Kota Makassar
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découle