PENYULUHAN KEPADA APARAT KANTOR KELURAHAN TENTANG CARA MENGENALI WILAYAH KERJANYA DENGAN MENGGUNAKAN PETA
Bibliographic record
Abstract
Instansi pemerintah mulai dari pemerintah sampai ke pemerintah daerah dengan perangkat-perangkat dibawahnya berkewajiban memberikan pelayanan kepada masyarakat (pelayanan publik). Pemerintah harus memastikan bahwa pelayanan publik dilaksanakan dengan baik. Kelurahan adalah unit terkecil instansi pemerintah kota yang kegiatan sehari-harinya berhubungan lansung dengan masyarakat setempat. Untuk menjalankan tugas pelayanan publik ini, aparat kelurahan harus mengenali dengan baik kondisi wilayah dan masyarakat di wilayah kerjanya. Pengenalan wilayah dapat dilakukan dengan mengamati langsung ke lapangan dan juga secara tidak langsung melalui peta. Idealnya pengenalan wilayah ini dilakukan dengan kedua cara tersebut. Pemahaman wilayah oleh aparat kantor kelurahan masih perlu ditingkatkan dan juga harus selalu menyesuaikan dengan perubahan-perubahan berbagai aspek di wilayahnya. Salah satu acara yang paling efektif dan efisien dalam pengenalan wilayah adalah dengan menggunakan peta. Kegiatan Pengabdian kepada Masyarakat dengan judul “Penyuluhan kepada Aparat Kantor Kelurahan Tajur Kota Bogor tentang Cara Mengenali Wilayah Kerjanya dengan Menggunakan Peta” ini merupakan upaya kerjasama antara Program Studi Perencanaan Wilayah dan Kota Universitas Trisakti dengan Dinas Pekerjaan Umum dan Penataan Ruang (PUPR) Kota Bogor untuk memberdayakan aparat Kelurahan Tajur Kota Bogor. Adapun pokok-pokok materi penyuluhan tersebut menyangkut: 1) penjelasan tentang fungsi peta, 2) pemaparan tentang peta-peta tematik kelurahan skala 1 : 5.000, dan 3) Penyantuman pada peta dasar (plotting) berbagai fasilitas umum dan fasilitas sosial yang ada di kelurahan Tajur. Hasil plotting yang berupa peta penyebaran fasilitas umum dan fasilitas sosial di kelurahan Tajur ini akan dapat menjadi arsip bagi Kantor Kelurahan Tajur dan juga dapat digunakan sebagai salah satu masukan kepada Dinas PUPR di dalam penyusunan Rencana Detil Tata Ruang (RDTR) Kecamatan Bogor Timur. Kata kunci: Pelayanan publik, aparat kelurahan, pengenalan wilayah, peta penyebaran fasilitas sosial dan fasiltas umum, RDTR
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.065 | 0.021 |
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".