PENGEMBANGAN KONSEP MOBILE CITY MENUJU JOGJA SMART CITY
Bibliographic record
Abstract
Yogyakarta selain terkenal sebagai kota perjuangan, kota pelajar, kota pariwisata jugadikenal sebagai kota budaya. Sebutan kota budaya untuk kota ini berkaitan erat dengan peninggalan-peninggalan budaya bernilai tinggi pada masa kejayaan kerajaan yang sampai kini masih tetap lestari. Meskipun berbagai layanan online sudah diterapkan, namun demikian sangat disayangkan karena belum terlihat adanya pengembangan e-Culture, padahal di Yogyakarta mempunyai nilai-nilai kebudayaan yang sangat potensial sehingga e-Culture ini sangat penting untuk kota yang berkemajuan dan berbudaya. Penelitian ini mengembangkan konsep mobile city dengan membangun aplikasi dengan teknologi mobile berbasis android untuk menginventarisir kebudayaan di kota Yogyakarta untuk mendukung konsep Jogja Smart City. Teknik pengumpulan data yang digunakan adalah observasi dan studi literature. Jenis data yang dikumpulkan adalah data primer dan sekunder yang bersifat kualitatif maupun kuantitatif. Data primer merupakan data yang diperoleh secara langsung dari OPD (Organisasi Perangkat Daerah) terkait dan masyarakat, sedangkan data sekunder diperoleh melalui data yang telah diteliti dan dikumpulkan oleh pihak lain yang berkaitan dengan objek penelitian. Hasil penelitian ini mengembangkan aplikasi mobile untuk menginventarisir kebudayaan di Kota Yogyakarta. Aplikasi ini juga dapat digunakan untuk menunjang promosi dan perwujudan konsep Jogja Smart City.
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.
How this classification was reachedexpand
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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 itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".