ANALISIS DAMPAK KEBIJAKAN PEMBANGUNAN BANDARA JENDERAL BESAR SOEDIRMAN DI KABUPATEN PURBALINGGA
Bibliographic record
Abstract
Pembangunan ditujukan untuk mengubah keadaan agar menjadi lebih baik sesuai dengan perencanaan. Dari sudut pandang penyelenggara pembangunan, tujuan pembangunan dianggap tepat dan layak jika membawa dampak positif bagi masyarakaat. Pembangunan bandara JB Soedirman menjadi urgensi bagi masyarakat Jawa Tengah dan membutuhkan koordinasi yang baik antara pemerintah, swasta dan masyarakat. Penelitian ini akan mendeskripsikan tentang dampak pembangunan bandara JB Soedirman bagi masyarakat Kabupaten Purbalingga. Pengelitian ini menggunakan metode kualitatif deskriptif yang dilaksanakan secara langsung di lapangan untuk mencari sumber data yang dibutuhkan dalam penyelesaian masalah. Penelitian juga dilakukan dengan pendekatan induktif untuk melihat fakta dan data yang bersifat khusus untuk penarikan kesimpulan yang sifatnya umum dengan menggunakan hukum dan teori. Pengumpulan data dilakukan dengan observasi, wawancara, dan dokumentasi secara mandiri.
 Pembangunan JB Soedirman membawa dampak positif dan negatif bagi masyarakat dan perekonomian. Selain Pemerintah Provinsi Jawa Tengah dan Pemkab Purbalingga yang akan sangat diuntungkan dengan adanya JB Soedirman masyarakat lokal diharapkan juga akan merasakan dampak pembangunan. Dampak positif pembangunan bandara JB Soedirman terlihat dari aspek ekonomi yang ditandai dengan bertumbuhnya kegiatan perekonomian, seperti pariwisata, penginapan, jasa dan kuliner. Perubahan juga terjadi untuk aspek kewilayahan daerah yang semula tidak terlalu padat secara bertahap menjadi padat dengan dimulainya pengoperasian bandara dan penciptaan lapangan kerja baru. Dampak negatif dari keberadaan JB Soedirman terjadi pada aspek sosial masyarakat yang mengalami “pertukaran” budaya dan terciptanya kepadatan permukiman sebagai konsekuensi dari pembangunan infrastruktur baru. Pandemi covid 19 yang masih mewarnai pembangunan JB Soedirman menjadikan beberapa aspek belum bias optimal, akan tetapi upaya yang telah dilakukan pemerintah daerah Kabupaten Purbalingga melalui berbagai kebijakan dianggap sudah tepat. Penyuluhan yang bertujuan untuk mengedukasi peluang usaha dan memaksimalkan potensi warga dan perlindungan hak masyarakat terkena ganti rugi lahan sudah berjalan dengan baik dan tidak terjadi konflik.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.000 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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".