Pengembangan Waterfront Kapuas Sebagai Penunjang Wisata Tepian Sungai Kapuas
Bibliographic record
Abstract
Sungai Kapuas memiliki ikatan kuat terhadap objek wisata yang berada di kota Pontianak dan itu semua berada pada tepian sungai Kapuas, mulai dari Tugu Khatulistiwa, Keraton Kadariyah, Masjid Jami’ Sultan Syarif Abdurrahman, dan makam Batu Layang. Serta beberapa acara juga sering diadakan di tepian sungai Kapuas, seperti Festival Meriam Karbit dan Perayaan Ulang Tahun Kota Pontianak. Oleh karena itu, pengunjung waterfront akan selalu ramai ketika hari libur atau ada acara acara besar yang dilakukan di Sungai Kapuas. Dibalik itu semua, Waterfront Kapuas juga dapat menimbulkan kemacetan yang sangat parah pada area di sekitaran kawasan tersebut, dikarenakan kurangnya lahan parkir, dan kawasan waterfront tidak terlihat seperti penunjang, karena area sirkulasi penghubung kawasan yang terlampau kecil juga menghambat kawasan tersebut sebagai penunjang. Kawasan yang berada tepat di kawasan permukiman masyarakat ini, memiliki permasalahan pada aksesbilitas yang dapat mengganggu aktivitas yang berada di area waterfront itu sendiri sehingga hal ini juga dapat menimbulkan permasalahan sosial yang berlanjut jikalau tidak cepat dituntaskan. Tujuan penelitian ini ialah untuk mengidentifikasi kondisi eksisting Waterfront Kapuas sebagai penunjang wisata tepian sungai Kapuas serta mengevaluasi kesesuaian kriteria Waterfront Kapuas, sebagai penunjang wisata tepian sungai Kapuas. Metode yang digunakan pada penelitian ini ialah deskriptif kualitatif dengan melakukan ekplorasi secara bertahap dengan observasi, serta dokumentasi. Penelitian ini menghasilkan sebuah jawaban bahwasannya Waterfront Kapuas masih belum bisa dikatakan sebagai kawasan penunjang wisata, hal itu disebabkan adanya kekurangan aksesbilitas kawasan diwaktu tertentu yang masih sering macet dikarenakan kurangnya lahan parkir sehingga banyaknya kendaraan yang parkir langsung berada di bahu jalan, serta fasilitas daripada toilet juga kurang memadai, sehingga menghasilkan rekomendasi desain kawasan, agar tujuan penunjang wisata tepian sungai Kapuas dapat terjalankan secara optimal dan baik
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 imitationNot 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.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.038 | 0.008 |
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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".