Analisis Tingkat Risiko Banjir pada Daerah Aliran Sungai (DAS) Bialo Provinsi Sulawesi Selatan
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Daerah Aliran Sungai (DAS) secara sederhana dapat diartikan sebagai salah satu wadah yang memiliki fungsi mengalirkan air hujan ke danau atau laut. Perubahan pemanfaatan lahan di hulu DAS Bialo yang menyebabkan pendangakalan menjadi salah satu penyebab terjadinya banjir di area hilir DAS Bialo. Tujuan penelitian ini adalah menganalisis tingkat ancaman (hazard), kerentanan (vurnerability), kapasitas (capacity) dan risiko (risk) banjir pada Daerah Aliran Sungai Bialo. Metode pengumpulan data dalam penelitian ini menggunakan metode wawancara, dokumentasi, observasi, dan studi literatur. Metode analisis yang digunakan dalam penelitian ini adalah metode deskriptif kuantitatif, analisis spasial, dan deskriptif kualitatif. Metode deskriptif kuantitatif digunakan untuk melakukan analisis ancaman (hazard), kerentanan (vurnerability), kapasitas (capacity) dan risiko (risk). Analisis spasial digunakan dalam proses pemodelan hasil perhitungan ancaman, kerentanan, kapasitas, dan risiko. Metode deskriptif kualitatif digunakan untuk melakukan interpretasi hasil analisis spasial. Hasil penelitian menunjukkan bahwa tingkat risiko bencana banjir pada DAS Bialo terdiri dari 3 klasifikasi yaitu rendah, sedang dan tinggi. Luas Rendah 3342,39 Ha, Sedang 6748,27 ha dan Tinggi 807,86 Ha.
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.
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 | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.004 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.000 | 0.001 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it