Sistem Informasi Geografis Daerah Rawan Kriminalitas di Kabupaten Garut
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
Tujuan dari penelitian ini adalah membangun sebuah Sistem Informasi Geografis dimana setiap tindakan kriminal yang bersifat umum ditampilkan di titik kejadian perkara, selain itu dibutuhkan pula sebuah kanal yang memungkinkan masyarakat untuk melaporkan kejadian yang perlu ditangani oleh kepolisian, dengan penelitian ini pula mencangkup fitur untuk masyarakat memberikan kritik dan saran kepada kepolisian guna evaluasi bagi kepolisian untuk meningkatkan pelayanan. Metodologi yang digunakan untuk mencapai tujuan tersebut menggunakan metodologi Rational Unified Proccess (RUP) yang tahapannya terdiri dari Inception, Elaboration, Contruction dan Transition serta pemodelan yang akan digunakan adalah Unified Modelling Language (UML) yang terdiri dari diagram Use Case Diagram, Activity Diagram, Squence Diagram, dan Class Diagram. Penelitian ini berfokus pada tindak kejahatan pencurian kendaraan bermotor dengan menggunakan data pada tahun 2019 yang berasal dari Kepolisian Kabupaten Garut. Hasil dari penelitian berupa sistem yang dapat melihat titik lokasi kejadian tindak kriminal pencurian kendaraan bermotor dan melaporkan tindakan pidana dan menyampaikan kritik dan saran kepada kepolisian oleh masyarakat yang dikelola oleh kepolisian.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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 it