Pengembangan Taman Kota Berdasarkan Kesesuaian Elemen Fisik terhadap Pemanfaatan RTH Publik di Taman Lokomotif Kabupaten Bojonegoro
Bibliographic record
Abstract
Seiring bertambahnya jumlah penduduk perkotaan, kebutuhan ruang untuk interaksi masyarakat pun meningkat. Oleh karena itu, pemerintah daerah mengimplementasikan pemenuhan ruang tersebut dengan upaya menciptakan ruang terbuka hijau (RTH) publik yang sesuai dengan kriteria pemanfaatannya. Namun, masih terdapat elemen fisik pada Taman Lokomotif, salah satu RTH publik dengan tipologi taman kota di Kawasan Perkotaan Bojonegoro, yang perlu dibenahi. Permasalahan terkait elemen fisik ini tentunya berdampak pada berkurangnya kemampuan taman kota dalam menarik minat masyarakat untuk beraktivitas. Penelitian ini bertujuan untuk mengevaluasi kesesuaian fisik dan menentukan prioritas pengembangan Taman Lokomotif. Metode analisis yang digunakan dalam penelitian ini terdiri dari analisis kesesuaian dengan skoring untuk mengklasifikasikan kesesuaian elemen fisik dan analisis prioritas dengan analisis hirarki proses (AHP) dan perhitungan skor dengan bobot untuk menentukan prioritas peningkatan kesesuaian elemen fisik dengan variabel antara lain ekologi, resapan air, sosial budaya, estetika, ekonomi, dan penanggulangan bencana. Hasil analisis menunjukkan bahwa Taman Lokomotif dinilai cukup sesuai dengan skor 68,3%. Namun, beberapa atribut diklasifikasikan sebagai kurang dan tidak sesuai. Oleh karena itu, peningkatan kesesuaian beberapa elemen fisik merupakan hal yang penting dilakukan agar sesuai dengan kriteria pemanfaatan RTH publik, yang selanjutnya menghasilkan lima atribut sebagai prioritas pertama. Kelima atribut tersebut antara lain pengamanan kebakaran, ruang hijau, bermain anak, pertanian perkotaan, dan keamanan. Rekomendasi pengembangan Taman Lokomotif diimplementasikan pada kelima atribut tersebut dengan menyesuaikan kriteria berdasarkan standar yang berlaku.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.036 | 0.006 |
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".