MétaCan
Menu
Retour à la cohorte
Enregistrement W7114907237 · doi:10.25105/bhuwana.v5i2.24280

KAJIAN DAYA DUKUNG LAHAN BERDASARKAN RENCANA POLA RUANG RTRW 2012 – 2032 KOTA TANGERANG

2025· article· W7114907237 sur OpenAlexaff

Notice bibliographique

RevueJURNAL BHUWANA · 2025
Typearticle
Langue
DomaineEngineering
ThématiqueWetland Management and Conservation
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésNatural regenerationLand useSoil conservation

Résumé

récupéré en direct d'OpenAlex

Kota Tangerang memiliki posisi yang strategis sebagai kota penyangga yang menyebabkan terjadinya pertumbuhan penduduk, sehingga membuat Kota Tangerang menjadi pusat investasi. Akibatnya, terjadi perluasan kawasan permukiman dari 7.712 hektar (2021) menjadi 7.953 hektar (2024), yang telah melampaui rencana RTRW tahun 2012–2032 yaitu 7.453 hektar yang menandakan terjadinya oversupply kawasan perumukiman. Peningkatan kawasan permukiman sebagai lahan terbangun berdampak pada penurunan lahan non terbangun, yang sebetulnya memiliki peran penting dalam menjaga keseimbangan ekosistem dari padatnya aktivitas kota. Penelitian ini bertujuan untuk menganalisis daya dukung lahan Kota Tangerang pada tahun 2032 berdasarkan RTRW. Metode yang digunakan bersifat kuantitatif, yaitu dengan menganalisis daya dukung lahan melalui perbandingan antara ketersediaan lahan berdasarkan RTRW dan kebutuhan lahan yang dihitung dari proyeksi jumlah penduduk tahun 2032. Hasil menunjukkan bahwa pada tahun 2032, kebutuhan lahan untuk permukiman dan kegiatan ekonomi masih dapat terpenuhi, namun kebutuhan ruang terbuka tidak terpenuhi. Kondisi ini menunjukkan bahwa perencanaan ruang untuk lahan non terbangun belum sepenuhnya mengutamakan aspek keberlanjutan lingkungan yang berisiko menurunkan kualitas lingkungan maupun kesejahteraan masyarakat. Oleh karena itu, dapat disimpulkan bahwa daya dukung lahan di Kota Tangerang diproyeksikan akan terlampaui pada tahun 2032 akibat ketidakseimbangan antara lahan terbangun dan non terbangun.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,142
Score d'incertitude au seuil0,282

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0050,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0490,010

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 GPT0,218
Écart entre enseignants0,211 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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 BHUWANAMême sujetWetland Management and ConservationTravaux en français237 207