MétaCan
Menu
Back to cohort

Analisis Tingkat Keamanan Ruang Terbuka Hijau Berdasarkan Variabel Keruangan Dan Fisik Taman: Studi Kasus Kota Surabaya

2024· article· id· W4399516923 on OpenAlexaff
Muh Abdi Danurja, Denny Zulkaidi, Mochamad Prasetiyo Effendi

Bibliographic record

VenueJurnal Penataan Ruang · 2024
Typearticle
Languageid
FieldAgricultural and Biological Sciences
TopicFood Security and Socioeconomic Dynamics
Canadian institutionsEncana (Canada)
Fundersnot available
KeywordsHumanitiesForestryPolitical sciencePhysicsGeographyArt

Abstract

fetched live from OpenAlex

Keamanan adalah kebutuhan mendasar bagi psikologi manusia. Ancaman tindak kriminalitas cukup tinggi di kota-kota besar, hal ini berdampak terhadap rasa aman masyarakatnya. Rasa aman sendiri mempengaruhi bagaimana kehidupan masyarakat dalam menggunakan ruang perkotaan, semakin aman suatu kawasan semakin nyaman pula masyarakat menggunakannya. Ruang terbuka hijau atau taman merupakan fasilitas publik kota yang memiliki probalitas tejadinya tindak kriminalitas tertinggi di bandingkan fasilitas publik lainnya. Kota Surabaya sejak tahun 2010 hingga 2020 terus menambah luas ruang terbuka hijau dan jumlah tamannya, sehingga antusiasme masyarakat untuk berkunjung ke taman juga semakin meningkat. Namun, antusiasme ini dibayang-bayangi oleh resiko tindak kriminalitas, dikarenakan Surabaya merupakan kota dengan tingkat kriminalitas tertinggi se-Jawa Timur pada tahun 2020. Evaluasi tingkat keamanan di taman Kota Surabaya ini penting dilakukan, guna mengetahui peran atribut fisik lingkungan taman dalam mencegah tindak kriminal dan meningkatkan rasa aman. Mix method dengan strategi multi kasus digunakan dalam penelitian ini, serta visual audit dan persepsi masyarakat sebagai alat analisisnya. Kedua alat analisis digunakan untuk mengetahui respon persepsi rasa aman masyarakat terhadap kondisi ideal atribut lingkungan dalam mencegah tindak kriminalitas. Taman Flora memiliki ketercapaian indikator visual audit sebesar 85,7% dan masuk dalam tingkatan “sangat aman”, sedangkan skor rata-rata rasa amannya adalah 4,25 dan masuk tingkatan “sangat aman”. Taman Harmoni memiliki ketercapaian indikator visual audit sebesar 57% dan masuk dalam tingkatan “cukup aman”, sedangkan skor rata-rata rasa amannya adalah 4,13 dan masuk tingkatan “aman”. Kebun Bibit memiliki ketercapaian indikator visual audit sebesar 64% dan masuk dalam tingkatan “cukup aman”, sedangkan skor rata-rata rasa amannya adalah 4,17 dan masuk tingkatan “aman”.

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 imitation

Not 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.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.003
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.051
Threshold uncertainty score0.102

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.003
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.002
Science and technology studies0.0020.001
Scholarly communication0.0020.001
Open science0.0000.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0080.001

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.

Opus teacher head0.018
GPT teacher head0.242
Teacher spread0.224 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2024
Admission routes1
Has abstractyes

Explore more

Same venueJurnal Penataan RuangSame topicFood Security and Socioeconomic DynamicsFrench-language works237,207