Evaluasi Pemanfaatan Ruang Tempat Pemakaman Umum di Kota Bandung
Bibliographic record
Abstract
Kota Bandung adalah Ibu Kota Provinsi Jawa Barat dan termasuk ke dalam kota yang besar. Pada tahun 2020 Kota Bandung memiliki penduduk sebanyak 2.444.160 juta jiwa, serta jumlah penduduk yang akan terus bertambah. Kota Bandung harus memiliki sarana dan prasarana yang dapat memenuhi kebutuhan penduduk yang tinggal di Kota Bandung. Sarana yang penting dan sangat perlu diperhatikan keadaannya di Kota Bandung salah satunya adalah Tempat Pemakaman Umum (TPU). TPU adalah sarana yang cukup penting bagi manusia karena berfungsi sebagai tempat memakamkan manusia yang telah meninggal dunia dan memiliki fungsi lain yaitu sebagai Ruang Terbuka Hijau (RTH). Ruang Terbuka Hijau (RTH) memiliki 4 fungsi yaitu fungsi ekologis, fungsi sosial budaya, fungsi arsitektur, dan fungsi ekonomi. Seharusnya tempat pemakaman umum di Kota Bandung berjalan sesuai dengan fungsi ruang terbuka hijau. Namun masih adanya alih fungsi guna lahan terhadap tempat pemakaman umum menjadi guna lahan seperti perumahan, perdagangan dan jasa, pendidikan, industri dan yang lainnya yang tidak tidak sesuai dengan arahan Rencana Detail Tata Ruang (RDTR) Kota Bandung. Hanya 1 dari 13 TPU di Kota Bandung yang sesuai dengan arahan rencanca Detail Tata Ruang Kota Bandung dan berfungsi sebagai ruang terbuka hijau.
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 | 0.006 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.024 | 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 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".