STRATEGI KEBIJAKAN PENINGKATAN SEKTOR TRANSPORTASI PUBLIK DI JAKARTA MENUJU NET ZERO EMISSION
Notice bibliographique
Résumé
Rata-rata tingkat polusi udara di Jakarta (PM2.5) Tahun 2017-2020 melebihi 3 kali lipat dari ambang batas konsentrasi yang direkomendasikan WHO. Hal ini mengakibatkan penduduk di Jakarta menderita masalah kesehatan dan penyakit gangguan pernafasan akibat kualitas udara buruk. Jakarta merupakan aglomerasi perkotaan terpadat kedua di dunia dengan jumlah penduduk sekitar 10 juta jiwa pada tahun 2020. Akibatnya, kebutuhan perjalanan dan pergerakan orang dan barang semakin meningkat baik dari dan ke Jakarta. Total emisi karbon dari kendaraan bermotor di Jakarta mencapai 81,17 juta kilogram CO2e. Hal ini disebabkan tingginya kendaraan bermotor yang berjumlah 20,22 juta kendaraan, jumlahnya sebanyak 2 (dua) kali lipat jumlah penduduk. Kurangnya pelayanan transportasi publik dalam menyediakan fasilitas sarana dan prasarana transportasi publik menyebabkan masyarakat masih memilih menggunakan kendaraan pribadi sebagai moda transportasi utama. Dukungan kebijakan yang sudah ada melalui sistem transportasi massal seperti BRT, Transjakarta, MRT Jakarta, dan LRT Jakarta, penyediaan kendaraan listrik, kebijakan pembatasan kendaraan seperti ganjil genap, penerapan Electronic Road Pricing (ERP), dan zonasi bebas emisi kendaraan terus diupayakan. Makalah ini bertujuan untuk menyusun rekomendasi kebijakan yang dapat diterapkan oleh pemerintah dan pemangku kepentingan terkait guna mendukung penurunan emisi kendaraan dan peningkatan kualitas udara di Jakarta
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,042 | 0,009 |
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 ».