ANALISIS SEBARAN KEGIATAN PERTAMBANGAN TIMAH MENGGUNAKAN SISTEM INFORMASI GEOGRAFI DI DAERAH BANGKA, PROPINSI BANGKA BELITUNG
Bibliographic record
Abstract
AbstrakKawasan Pulau Bangka telah sejak lama dikenal sebagai wilayah penghasil timah. Dan khusus Kabupaten Bangka menghasilkan logam timah terbanyak di P Bangka atau sekitar 7,3 juta Mton pada tahun 2006. Kemudian diikuti Kabupaten Bangka Selatan dengan 6,6 juta Mton. Akan tetapi secara kebetulan diketahui sebagian besar bijih tersebut dihasilkan dari proses pertambangan tanpa ijin, dimana kegiatan ini bila dibiarkan akan mengakibatkan dampak buruk terhadap lingkungan. Untuk Kabupaten Bangka, Kecamatan Belinyu merupakan kecamatan penghasil timah terbanyak, yaitu 1,95 juta Mton, diikuti Kecamatan Riau Silip dengan 1,66 juta Mton.Kolong atau kolam yang terbentuk dalam proses pertambangan di wilayah terbuka merupakan karakteristik pada wilayah tersebut. Karakter tersebut dapat dengan mudah diidentifikasi melalui citra satelit. Sebaran kolong timah yang diperoleh kemudian dioverlaykan dengan sebaran tutupan lahan, sebaran kuasa pertambangan timah dan sebaran batuan. Overlay dilakukan dengan menggunakan Program Arc View 3.3.Kolong penambangan terdapat terdapat pada semua jenis tutupan lahan dan terbanyak dilakukan pada tutupan lahan semak dan ruang terbuka, dengan jumlah kolong total 412. dan terbanyak terdapat di wilayah Kecamatan Belinyu dengan jumlah 230. Sebaran pertambangan berada pada batuan granit dan endapan aluvial.Dalam rangka mengurangi dampak kegiatan tambang timah, maka Pemda perlu melakukan langkah-langkah terkait dengan penataan tata ruang daerah dan untuk ini telah bekerja-sama dengan Dinas Pertambangan melakukan pengawasan terhadap kegiatan pertambangan. Evaluasi perijinan yang ada diberlakukan, agar mampu menghasilkan peraturan pertambangan memiliki peran dan arti secara terpadu.Kata-kata kunci : Kolong, overlay, inkonstitusional, kontribusi., signifikan, spesifik. interpretasi citra satelit, PETI, inkonstitusional, finansia,l Pendulangan/ pelimbangan, editing, labelisasi
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.001 | 0.005 |
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".