Mangrove PEMETAAN MANGROVE DALAM BENTUK WEBGIS (STUDI KASUS : MUARA GEMBONG)
Bibliographic record
Abstract
Muara Gembong merupakan salah satu wilayah yang terletak di Kabupaten Bekasi, Jawa Barat yang memiliki potensi mangrove yang sangat besar dan tersebar di pesisir pantainya. Namun pada ken-yataannya hutan mangrove di Muara Gembong mengalami degradasi dari tahun ke tahun nya. Agar mengetahui seberapa besar dampak degradasi yang diakibatkan karena lahan pemukiman, tambak budi-daya di perlukan pemetaan terlebih dahulu untuk selanjutnya diatasi permasalahannya. Cara yang paling tepat untuk proses pemetaan adalah menggunakan penginderaan jauh dan webgis. Tujuan dari penelitian ini adalah untuk menghasilkan aplikasi dalam bentuk webgis pemetaan mangrove yang dapat pengguna akses di browser internet dengan laman (www.upi.asia). Menggunakan website pemetaan mangrove dapat menampilkan peta wilayah Kota Bekasi dan pemetaan mangrove melalui internet tanpa perlu ban-tuan aplikasi GIS. Aplikasi ini dapat menampilkan informasi mengenai pemetaan mangrove, pemetaan kota Bekasi, informasi mengenai pembuatan aplikasi, informasi mengenai kontak pembuat aplikasi, infor-masi untuk melakukan zoom keseluruhan Kota Bekasi, informasi mengenai legenda yang tersedia, dapat juga mengunduh peta Bekasi dan pemetaan mangrove secara gratis dan menu literatur berupa blog agar pengguna mengetahui informasi secara umum mengenai mangrove. Pembuatan webgis menggunakan beberapa metode dan aplikasi pembuatan seperti pemanfaatan dari Google Maps API. pemanfaatan Leaf-let.js, pemanfaatan CodeIgniter dan pemanfaatan MySQL sebagai bentuk databasenya. Untuk melakukan proses pemetaan digunakan informasi latitude dan longitude berdasarkan Google Maps, hal ini berfungsi untuk memudahkan pengkodean dalam proses pembuatan webgis. Aplikasi ini berhasil dijalankan baik menggunakan perangkat komputer atau smartphone, dan uji stabilitas terhadap 10 orang responden yang berisi mengenai keefektifan aplikasi, kemudahan pengguna dan kepuasan pengguna. Berdasarkan hasil kuesioner yang telah dilakukan maka aplikasi webgis pemetaan mangrove cukup efektif dan mudah digunakan oleh user.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 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 itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".