Implementasi Kebijakan Ruang Terbuka Hijau di Kawasan Perkotaan (Studi Pengembangan di Kota Administrasi Jakarta Utara)
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
<p>Undang-Undang Nomor 26 Tahun 2007 mengamanatkan bahwa di setiap kota harus memiliki Ruang Terbuka Hijau (RTH) minimal sebesar 30%, dimana sebesar 20% RTH publik dan 10% RTH privat. Persentase luas RTH Jakarta Utara yang dimiliki saat ini baru sebesar 5% dari luasan wilayahnya. Penelitian ini membahas mengenai “Implementasi Kebijakan Rencana Tata Ruang Wilayah dalam Penyediaan Ruang Terbuka Hijau di Kota Administrasi Jakarta Utara. Penelitian ini bertujuan menganalisis implementasi kebijakan RTRW dalam penyediaanruang terbuka hijau di Jakarta Utara dan upaya-upaya yang dilakukan dalam penyediaan ruang terbuka hijau di Kota Administrasi Jakarta Utara. Metode yang digunakan dalam penelitian ini adalah deskriptif dengan pendekatan kualitatif. Teknik pengumpulan data yang digunakan yaitu wawancara, dokumentasi, dan observasi.Teknik analisa data interaktif yang meliputi reduksi data, penyajian data, dan penarikan kesimpulan/verifikasi. Uji validitas data dilakukan dengan menggunakan triangulasi sumber.Hasil penelitian menunjukkan bahwa implementasi kebijakan RTRW dalam penyediaan ruang terbuka hijau di Kota Administrasi Jakarta Utara masih belum optimal dan baru terealisasi sebesar 10%, dikarenakan penggunaan lahan yang tersedia untuk RTH tidak difungsikan sebagaimana peruntukannya dan adanya beberapa kendala yang dihadapi seperti lemahnya pengawasan, harga tanah yang mahal, peningkatan lahan terbangun dan kurangnya sosialisasi kepada masyarakat.</p><strong>Kata kunci</strong>: <strong>Implementasi, Kebijakan, Rencana Tata Ruang Wilayah, Ruang Terbuka Hijau</strong>
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.001 |
| Meta-epidemiology (narrow) | 0.003 | 0.003 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.003 |
| Scholarly communication | 0.015 | 0.007 |
| Open science | 0.009 | 0.006 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it