PEMANFAATAN SISTEM INFORMASI GEOGRAFIS UNTUK ANALISIS KUALITAS LINGKUNGAN PERMUKIMAN DI KECAMATAN LABUHAN RATU KOTA BANDAR LAMPUNG TAHUN 2025
Notice bibliographique
Résumé
Kecamatan Labuhan Ratu merupakan wilayah yang ditetapkan sebagai pusat pendidikan tinggi di Kota Bandar Lampung. Laju pertumbuhan pendudukdan kepadatan bangunan yang tinggi membuat lahan terbangun semakin meningkat, dan dapat menjadi beban bagi kualitas lingkungan, serta berpengaruhterhadap kenyamanan serta kesehatan masyarakat. Penerapan teknologi penginderaan jauh dan sistem informasi geografis (SIG) dapat dimanfaatkandalam penilaian kualitas lingkungan permukiman. Tujuan penelitian ini adalah menganalisis kondisi kualitas lingkungan permukiman di Kecamatan Labuhan Ratu Kota Bandar Lampung. Metode yang digunakan adalah metode analisiskuantitatif berjenjang tertimbang melalui pengharkatan dan pembobotan padaparameter kepadatan bangunan permukiman, tata letak bangunan, lebar jalanmasuk permukiman, pohon pelindung, dan lokasi permukiman. Kualitas permukiman di Kecamatan Labuhan Ratu terbagi menjadi 3 kelas kualitas, yaitu kualitas baik dengan nilai skor 24–30, kualitas sedang dengan nilai skor 17–23,dan kualitas buruk dengan nilai skor 10–16. Kecamatan Labuhan Ratu didominasioleh blok permukiman dengan kualitas sedang sebanyak 70 blok dari total 123blok atau sebesar 56,64% dari total luas seluruh blok permukiman. Kata kunci: kualitas lingkungan, permukiman, penginderaan jauh, sistem informasi geografis
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,006 |
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 ».