ANALISIS BENTUKLAHAN SEBAGAI LANDASAN TERWUJUDNYA SUSTAINABLE COASTAL AREA DI INDONESIA
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
Indonesia merupakan negara maritim dengan ribuan gugusan kepulauan yang terbentang dari Pulau Sabang di ujung barat hingga Pulau Merauke di ujung timur. Wilayah pesisir menjadi kawasan strategis untuk menunjang pembangunan nasional ditinjau dari segi lokasinya maupun keunikan karakteristik di setiap pesisirnya. Ibu kota negara Jakarta dan beberapa kota metropolitan Indonesia juga terletak strategis di wilayah pesisir seperti Surabaya, Semarang, Bali, dan Makassar. Namun, limpahan potensi materiil dan non materiil tersebut menghadapi tantangan besar akibat letak Indonesia yang berada di jalur subduksi. Bencana seperti gempabumi, tsunami, dan banjir rob dapat datang sewaktu-waktu. Penelitian ini bertujuan mengetahui karakteristik bentuklahan pesisir di Indonesia, potensi sumberdaya dan ancaman bencana di setiap tipologi, dan yang terakhir mewujudkan manajemen kepesisiran berbasis sustainable coastal area berdasarkan tiga tujuan di atas. Data karakteristik pesisir diperoleh dengan survey lapangan, studi literature, dan interpretasi citra satelit GeoEye. Karakteristik bentuklahan mencakup morfologi, material, dan proses yang khas di setiap unitnya sehingga potensi sumberdaya dan ancaman bencananya pun juga tidak dapat disamakan tiap unitnya. Penelitian dilakukan di karakteristik pesisir yang dominan di Indonesia yaitu marine deposition coast, subaerial deposition coast, dan karst coast. Perbedaan karakteristik tersebut menjadikan perwujudan pengelolaan pesisir secara sustainable coastal dapat menjadi sebuah solusi, selain mengetahui karakteristik, potensi sumberdaya, dan ancaman bencananya hal yang dapat dilakukan adalah dengan melakukan zonasi berdasarkan karakteristik bentuklahan dan peruntukan yang tepat untuk mewujudkan kawasan pesisir yang lestari.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.014 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.025 | 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