ANALISIS BIAYA KEMACETAN LALU LINTAS BERDASARKAN V/C RATIO (Studi Kasus: Rute Kabupaten Cilacap – Kabupaten Bandung)
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
Rute perjalanan dari Kabupaten Cilacap ke Kabupaten Bandung yang melalui Jl. Tegal-Cilacap
 hingga Jl. Raya Cileunyi yang tergolong jalan luar kota memiliki volume lalu lintas yang cukup tinggi
 pada beberapa segmen karena memegang peran utama dalam menunjang pergerakan masyarakat.
 Tingginya arus lalu lintas dan adanya aktivitas sisi jalan pada beberapa segmen menyebabkan arus
 lalu lintas yang tidak lancar yang kemudian menyebabkan penurunan kecepatan kendaraan. Hal
 tersebut dapat menyebabkan arus lalu lintas tersendat dan mendorong terjadinya kemacetan. Hal ini
 kemudian memberikan pengaruh terhadap pengeluaran pengendara karena biaya operasional
 kendaraan dan nilai waktu perjalanan meningkat. Penelitian ini bertujuan untuk menghitung biaya
 kemacetan lalu lintas di sepanjang rute Kabupaten Cilacap hingga Kabupaten Bandung yang dapat
 diestimasikan oleh peningkatan biaya operasional kendaraan dan kerugian waktu. Hasil penelitian
 menunjukkan bahwa biaya kemacetan pada rute perjalanan Kabupaten Bandung ke Kabupaten
 Cilacap sebesar Rp. 256.087.725/jam puncak. Sehingga dapat diperoleh biaya kemacetan rata-rata
 sebesar Rp. 1.219.552/km. Persentase biaya kemacetan menurut jenis kendaraan terdiri atas
 Kendaraan Ringan sebesar 66%, Kendaraan Berat 2 As sebesar 23%, dan Kendaraan Berat 3 As
 sebesar 11%. Hubungan derajat kejenuhan (VCR) dan biaya kemacetan lalu lintas dengan koefisien
 determinasi 0,897 berupa fungsi eksponensial dengan biaya kemacetan Y = 26.363e4,9665x dan x
 sebagai VCR.
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 | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.004 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.000 | 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