MétaCan
Menu
Back to cohort
Record W4389896052 · doi:10.31258/jkp.v14i4.8312

MITIGASI BENCANA KEBAKARAN KAWASAN PERKOTAAN

2023· article· ms· W4389896052 on OpenAlexaff
Bambang Irawan, Sarkani Sarkani, Kus Indarto

Bibliographic record

VenueJurnal Kebijakan Publik · 2023
Typearticle
Languagems
FieldSocial Sciences
TopicLegal and Policy Analysis in Indonesia
Canadian institutionsEncana (Canada)
Fundersnot available
KeywordsPhysicsHumanitiesArt

Abstract

fetched live from OpenAlex

Kota Bontang termasuk salah satu kota yang rawan kebakaran dan masuk dalam kategori tinggi. Tujuan penelitian ini adalah untuk mendeskripsikan upaya mitigasi bencana kebakaran yang dilakukan oleh Dinas Pemadam Kebakaran dan Penyelamatan Kota Bontang. Penelitian ini menggunakan pendekatan kualitatif, dengan metode deskriptif. Key informan dalam penelitian ini adalah Kepala Dinas Pemadam Kebakaran dan Penyelamatan Kota Bontang. Informannya adalah Kepala Bidang Fasilitasi dan Pencegahan, Kepala Sekdi Pencegahan dan Pemberdayaan Masyarakat. Teknik pengumpulan data dilakukan dengan: (a) wawancara mendalam (indepth interview); (b) observasi; dan (c) dokumentasi. Teknik analisis data yang digunakan adalah Teknik analisis model interaktif menurut Miles, Huberman dan Saldana, yang terdiri dari pengumpulan data, kondensasi data, penyajian data dan penarikan kesimpulan. Hasil penelitian ini menyimpulkan bahwa upaya mitigasi bencana kebakaran yang dilakukan oleh Dinas Pemadam Kebakaran dan Penyelamatan di Kota Bontang telah dilakukan dengan baik namun belum optimal. Hal ini dapat diketahui bahwa pengenalan dan pemantauan risiko bencana yang dilakukan telah berjalan dengan baik. Perencanaan partisipatif dalam penanggulangan bencana yang dilakukan adalah dengan melakukan kerjasama dengan semua stakeholder yang ada di Bontang. Pengembangan budaya sadar bencana dilakukan melalui pendidikan dan pelatihan yang dimulai dari usia dini. Upaya pengawasan dalam mitigasi bencana yang dilakukan dengan melakukan monitoring dan evaluasi secara berkala. Faktor penghambat yaitu terbatasnya tenaga penyuluh lapangan, terbatasnya tenaga inspektur kebakaran, kurangnya pengawasan dan evaluasi dari atasan, tidak adanya Rencana Induk Proteksi Kebakaran yang memuat peta rawan kebakaran dan data wilayah manajemen kebakaran, tidak adanya standar operating system mitigasi kebakaran serta tempat penyuluhan yang tidak memadai. Implikasi dari penelitian ini adalah semakin menurunnya tingkat kerawanan kebakaran pemukiman di Kota Bontang.

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 imitation

Not 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.

metaresearch head score (Codex)0.004
metaresearch head score (Gemma)0.009
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.050
Threshold uncertainty score0.168

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0040.009
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0020.002
Science and technology studies0.0040.002
Scholarly communication0.0080.005
Open science0.0020.005
Research integrity0.0020.003
Insufficient payload (model declined to judge)0.0500.007

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.

Opus teacher head0.038
GPT teacher head0.333
Teacher spread0.295 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations3
Published2023
Admission routes1
Has abstractyes

Explore more

Same venueJurnal Kebijakan PublikSame topicLegal and Policy Analysis in IndonesiaFrench-language works237,207