Kesesuaian Kegiatan Pemanfaatan Ruang Pada Kawasan Lindung di Kota Palu
Bibliographic record
Abstract
Pengembangan atau pembangunan suatu wilayah harus berdasar pada lahan yang tersedia, karena lahan merupakan sumberdaya utama yang sangat dibutuhkan. Pengembangan atau pembangunan di Kota Palu terlihat pada penggunaan lahan yang makin berkembang dan dinamis, sehingga perlu terus dipantau perkembangannya karena seringkali pemanfaatan lahan tidak sesuai dengan peruntukannya, hal tersebut akan menyebabkan daya dukung lingkungan terlampaui. Kondisi ini mengisyaratkan bahwa untuk mewujudkan terciptanya pemanfaatan ruang yang “tertib ruang” diperlukan tindakan pengendalian pemanfaatan ruang yang sungguh-sungguh. Sehingga perlunya tindakan pengkajian tingkat kesesuaian pemanfaatan ruang di Kota Palu. Penyimpangan pemanfaatan lahan pada Kawasan lindung di Kota Palu, Teridentifikasi Kawasan Permukiman yang masuk dalam area sempadan pantai seluas 62,69 Ha, Permukiman masuk dalam area sempadan sungai 37,12 Ha, Permukiman yang masuk dalam area ruang terbuka seluas 47,32 ha, dan permukiamn masuk dalam area patahan aktif seluas 7,31 Ha. Berdasarkan kondisi yang ada, penelitian ini di lakukan untuk mengetahui tingkat efektifitas pemanfaatan ruang pada Kawasan lindung di Kota Palu berdasarkan tingkat kesesuaian pemanfaatan ruang yang tertuang dalam rencana tata ruang yang ada, dengan sasaran mengkaji perkembangan Penggunaan lahan 2019 hingga 2021, mengkaji kesesuaian dan deviasi pemanfaatan ruang yang terjadi pada Kawasan lindung di Kota Palu.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.021 | 0.003 |
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".