Peran Badan Nasional Pencarian Dan Pertolongan (Basarnas) Dalam Menjamin Keselamatan Wisatawan Di Tinjau Dari Undang-Undang Republik Indonesia Nomor 29 Tahun 2014 Tentang Pencarian Dan Pertolongan
Bibliographic record
Abstract
Penelitian ini bertujuan untuk mengetahui peran BASARNAS Mataram dalam menjamin keselamatan wisatawan dan mengetahui bagaimana pelaksanaannya ditinjau dari Undang- undang Republik Indonesia Nomor 29 Tahun 2014 tentang pencarian dan pertolongan. Penelitian ini menggunakan pendekatan Normatif Empiris dimana jenis dan sumber datanya adalah primer dan sekunder. Hasil penelitian menunjukan berdasarkan Undang- Undang Republik Indonesia Nomor 29 Tahun 2014 Tentang Pencarian dan Pertolongan, didalam pasal 45 para pihak pengelola / penyedia jasa pariwisata dituntut untuk wajib memiliki sumber daya manusia yang kompeten sebagai langkah awal mencegah Resiko kecelakan wisatawan di daerah wisata yang beresiko tinggi. Dengan mensosialisasikan Undang-undang, memberikan pelatihan dibidang SAR (Search and Rescue) kepada seluruh lapisan masyarakat khususnya penyedia jasa pariwisata. Adapun upaya yang dilakukan Badan Nasional Pencarian dan pertolongan (BASARNAS) Kantor Pencarian dan Pertolongan Kelas A Mataram Dalam Menjamin Keselamatan Wisatawan Ditinjau Dari Undang-undang Nomor 29 Tahun 2014 Tentang Pencarian dan Pertolongan: a. Mendirikan POS SAR di daerah rawan kecelakaan, b. Melaksanakan siaga SAR melalui siaga SAR, c. Melaksanakan operasi SAR, d. Meningkatkan dan mengembangan SDM petugas SAR dan sarana dan prasarana secara professional, sinergi, militan, serta santun, e. Mensosialisasikan UU. No. 29 Tahun 2014 melalui Rapat Koordinasi SAR, Pemasyarakatan, dan Penyuluhan di bidang Pencarian dan Pertolongan, f. Mendukung program-program pemerintah, dalam rangka ikut serta dalam memajukan dan mempromosikan pariwisata Indonesia, membangun kemitraan Pentahelix untuk mencegah, menanggulangi, dan memberikan edukasi kebencanaan kepada masyarakat.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.013 | 0.003 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.010 | 0.002 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.005 | 0.002 |
| Research integrity | 0.001 | 0.008 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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; both teacher heads agree on what is shown here.
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".