Analisis Kesesuaian Lokasi Fasilitas Kesehatan Pariwisata dengan Pendekatan Network dan SMCA–AHP di Kecamatan Kuta Selatan
Notice bibliographique
Résumé
Pertumbuhan pesat sektor pariwisata telah meningkatkan kebutuhan akan fasilitas kesehatan yang merata, mudah dijangkau, dan mampu mendukung aktivitas wisata. Penelitian ini bertujuan untuk menganalisis keterjangkauan spasial fasilitas kesehatan serta menentukan lokasi kesesuaian pengembangan baru yang sesuai dengan kondisi fisik, sosial, dan infrastruktur wilayah. Penelitian ini mengombinasikan Network analysis untuk menilai jangkauan pelayanan dan efisiensi akses, serta Spatial Multicriteria Analysis (SMCA) dengan pendekatan Analytical Hierarchy Process (AHP) guna memberikan bobot pada delapan kriteria penentu lokasi. Distribusi fasilitas kesehatan di Kecamatan Kuta Selatan belum merata, dengan jarak rata-rata antara objek wisata dan fasilitas kesehatan sebesar 2.217,89 meter. Desa Pecatu dan Desa Kutuh memiliki aksesibilitas rendah terhadap layanan kesehatan, sedangkan Kelurahan Jimbaran dan Desa Pecatu menjadi wilayah dengan tingkat kesesuaian tertinggi untuk pengembangan fasilitas kesehatan. Integrasi Network analysis dan SMCA–AHP terbukti efektif untuk mendukung keberlanjutan kawasan wisata berbasis kesehatan di Kuta Selatan.
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 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 | 0,012 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,007 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».