MétaCan
Menu
Retour à la cohorte
Enregistrement W7089583411 · doi:10.23960/jrl.v3i1.41

PERAN KELEMBAGAAN DALAM PENUNTASAN RUMAH TIDAK LAYAK HUNI (RTLH) DI BANYUASIN DAN SOLUSI PENERAPAN DIMENSI SMART PEOPLE DAN SMART GOVERNMENT

2025· article· id· W7089583411 sur OpenAlexaff

Notice bibliographique

RevueJurnal Rekayasa Lampung · 2025
Typearticle
Langueid
DomaineEngineering
ThématiqueSmart Cities and Technologies
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésLocal governmentGovernment (linguistics)Environmental consciousness

Résumé

récupéré en direct d'OpenAlex

Rumah layak huni dan terjangkau untuk MBR merupakan persoalan yang belum bisa diatasi tuntas meskipun pemerintah sudah merancang program-program untuk menyelesaikan angka backlog perumahan yang semakin meningkat (Widiawati, 2022). Smart City merupakan konsep pengembangan kota yang berdasarkan prinsip teknologi informasi dibuat serta ditujukan untuk kepentingan bersama secara efektif dan efisien khususnya dalam konteks pengembangan perkotaan. Konsep Smart City sendiri mengacu pada kota yang terukur tata kelolanya dam melakukan kolaborasi dan keterlibatan dari semua pihak, bukan dari pemerintah saja, tetapi lebih ditekankan pada pelaksanaan fungsi pengelolaan secara bersama-sama oleh pemerintah beserta para stakeholder, misalnya perusahaan swasta, lembaga atau komunitas masyarakat, dan yang paling terpenting adalah partisipasi dari masyarakat itu sendiri. Berdasarkan data RTLH yang diperoleh dari dinas teknis terkait, pada tahun 2021 Kabupaten Banyuasin memiliki jumlah RTLH yang cukup tinggi dibandingkan kabupaten/kota lain di Provinsi Sumatera Selatan. Pada tahun 2021 terdata total ada 30.284 rumah yang teridentifikasi sebagai RTLH, melalui program penuntasan RTLH yang dilaksanakan tercatat hanya sekitar 7% (tujuh persen) atau 2.142 RTLH yang dituntaskan pada tahun 2021, sehingga pada tahun 2022 tercatat masih tersisa 28.142 RTLH yang memerlukan penanganan. Program penuntasan RTLH yang berjalan di Kabupaten Banyuasin merupakan kegiatan swadaya yang didasarkan dari bantuan dana stimulan dari pemerintah yaitu Pro-Rakyat (Program Optimlisasi Rumah Masyarakat) Kabupaten Banyuasin yang pada dasarnya memerlukan partisipasi aktif dari masyarakat. Untuk mewujudkan partisipasi masyarakat dalam Smart City diperlukan keterhubungan yang terkait satu sama lainnya antara Smart People, Smart Community dan Smart Government untuk mewujudkan Smart City yang partisipatif. (Winarsoh dan Arafah, 2019). Tujuan dari penelitian ini adalah untuk mengkaji sejauh mana peran kelembagaan dalam proses penuntasan persoalan RTLH dan merumuskan strategi penerapan dimensi Smart City pada program Pro-Rakyat di Kabupaten Banyuasin, dalam mewujudkan kepemilikan rumah layak huni dan berkelanjutan untuk MBR serta menurunkan backlog perumahan. Analisis yang digunakan pada penelitian ini adalah analisis studi literatur untuk menyusun indikator, analisis gap untuk melihat sejauh mana peran pemerintah dan masyarakat, dan analisis SWOT untuk merumuskan strategi penerapan dimensi Smart People dan Smart Government.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,425
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,212
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Rekayasa LampungMême sujetSmart Cities and TechnologiesTravaux en français237 207