Pendekatan sosio-spasial masyarakat pesisir dalam pemanfaatan zona perikanan tangkap nelayan di Kabupaten Morotai, Maluku Utara
Bibliographic record
Abstract
Kabupaten Pulau Morotai merupakan wilayah pesisir dan pulau-pulau kecil termasuk ke dalam bagian Provinsi Maluku Utara, yang berbatasan dengan Samudera Pasifik Barat. Wilayah ini merupakan yang cukup strategis di wilayah Timur Indonesia untuk mendukung posisi strategis, maka pemerintah melalui Direktorat Perencanaan Ruang Laut menyusun laporan Prototipe Model Blue Ekonomy dalam Perencanaan Zona Pembangunan Pelabuhan Perikanan Tahun 2021 di Kabupaten Morotai. Mengingat sifat dari sumberdaya laut yang bersifat open acces memiliki karakter yang rentan terhadap perubahan lingkungan karena pemanfaatannya dapat diakses secara bebas. Menjawab bagaimana konflik kepentingan yang terjadi dalam memperebutkan ruang laut tersebut berlangsung perlu memperhatikan hubungan praktik spasial dimana sosio-spasial mampu menjelaskan situasi sosial tersebut. Tujuan dari penulisan ini untuk menambah sudut pandang lain dalam pembuatan perencanaan zona pembangunan perikanan. Penulisan ini menggunakan metoda kualitatif deskriptif. Data primer dan data sekunder khususnya bersumber dari laporan Prototipe Model Blue Economy Perencanaan Zona Pembangunan Pelabuhan Perikanan Tahun 2021 di Kabupaten Morotai, Provinsi Maluku Utara, yang dikeluarkan oleh Direktorat Perencanaan Ruang Laut Kementerian Kelautan dan Perikanan. Hasil yang didapatkan adalah; (1) Secara konseptual laporan perencanaan zona pembangunan pelabuhan perikanan Tahun 2021 telah memperhatikan prinsip blue economy; (2) Pemanfaatan wilayah pesisir untuk kepentingan nelayan tangkap, budidaya dan pariwisata bahari di Kepulauan Morotai belum maksimal; (3) Konflik, kontestasi, dan negosiasi perebutan ruang spasial belum terlihat mengingat masih rendahnya pemanfaatan potensi wilayah pesisir dan sarana, prasarana infrastruktur, utilitas, serta aksesabilitas manusia yang belum optimal; (4) Perlu mempertimbangkan laporan dari sudut pandang sosio-spasial.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.024 | 0.006 |
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".