Kesiapan Aktor Dan Kebijakan Dalam Mewujudkan Smart Mobility Di Provinsi Bali
Bibliographic record
Abstract
Bali saat ini menghadapi berbagai tantangan, seperti kemacetan parah, ketimpangan sosial dan ekonomi, serta sistem administrasi yang kurang efisien, yang mempengaruhi kualitas hidup masyarakat. Oleh karena itu, Bali perlu bertransformasi menjadi smart city untuk mengatasi permasalahan tersebut, salah satunya penerapan smart mobility yang dapat mengintegrasikan transportasi umum dan mengurangi ketergantungan pada energi tidak terbarukan. Keberadaan smart mobility dapat menyelesaikan permasalahan sektor transportasi yang disebabkan oleh keterbatasan integrasi transportasi umum dan pemilihan moda dengan energi tidak terbarukan. Dalam mewujudkan smart mobility perlu diinisiasi oleh keberadaan aktor dan kebijakan, sehingga penelitian ini mencoba menganalisis peran aktor dan kebijakan yang terlibat dan peran kebijakan, kekuatan, kepentingan, hubungan keterkaitan aktor dan kebijakan dalam mewujudkan smart mobility, dimana membutuhkan pendekatan terstruktur untuk memahami dinamika antar aktor, kebijakan yang berlaku, serta kekuatan dan kepentingan yang saling memengaruhi. Sumber data pada penelitian ini didapat dari data sekunder berupa dokumen perencanaan serta dilakukan verifikasi melalui diskusi terbatas dengan pemangku kepentingan. Berdasarkan analisis terhadap kebijakan, menunjukkan bahwa kebijakan terkait smart mobility di Provinsi Bali telah memenuhi seluruh komponen pembentuk smart mobility di Provinsi Bali. Pada analisis peran aktor yang memiliki kapabilitas dan kepentingan tinggi antara lain Inna Group, Komite Kendaraan Listrik, Dishub, PLN, dan GIZ. Berdasarkan analisis dimulai dengan identifikasi aktor dan kebijakan dan keterkaitan kebijakan dan aktor menunjukkan bahwa seluruh aktor dan kebijakan di Provinsi Bali sudah memiliki kapasitas untuk mewujudkan smart mobility. Keberadaan penelitian ini sangat dibutuhkan untuk mengidentifikasi kesiapan implementasi smart mobility pada suatu wilayah administrasi pemerintahan. Pentingnya peran Aktor dan kebijakan dalam mendukung implementasi program smart mobility, sehingga hasil penelitian ini dapat dipergunakan pemerintah sebagai dasar penyelenggara smart mobility di Provinsi Bali.
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) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.025 | 0.005 |
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".