ANALISIS FAKTOR UNTUK MENGIDENTIFIKASI FAKTOR PEMBENTUK PREFERENSI MASYARAKAT KOTA KUPANG DALAM MEMILIH PASAR
Bibliographic record
Abstract
Kondisi eksisting menunjukan bahwa saat ini terjadi pertumbuhan pasar modern meliputi pusat perbelanjaan, Departement Store, dan beberapa gerai toko modern di Kota Kupang. Kemampuan pasar modern yaitu modal yang besar sehingga mampu menawarkan pelayanan baik dari produk yang lengkap, lingkungan pasar yang bersih, aman nyaman bagi konsumen dalam berbelanja, serta prasarana yang lengkap dalam mendukung aktivitas berbelanja ini berbeda dengan pasar tradisional dimana pada penelitian yang telah dilakukan memiliki kelemahan yang dikelukan seperti lingkungan yang kotor, infrastruktur yang kurang memadai, dan kualitas produk yang tidak pasti. Kondisi persaingan pasar saat ini memiliki peluang untuk mengancam keberadaan pasar tradisional yang selama ini dimanfaatkan sebagai sarana perdagangan. Penelitian ini dilakukan dengan tujuan untuk mengetahui faktor – faktor yang mempengaruhi preferensi masyarakat Kota Kupang dalam memilih pasar dan menggunakan analisis faktor pada data persepsi 600 responden di Kota Kupang untuk mereduksi sejumlah variabel yang dapat membentuk preferensi masyarakat dalam memilih pasar. Hasil analisis menunjukan bahwa faktor pembentuk preferensi yang paling sering terbentuk adalah faktor aksesibilitas menuju pasar, faktor kenyamanan lingkungan pasar, serta faktor keberagaman, kualitas, dan keterjangkauan harga produk di pasar. Sedangkan variabel yang paling valid dalam menjelaskan faktor yang mempengaruh preferensi masyarakat dalam memilih pasar di Kota Kupang meliputi kondisi jalan menuju pasar, jarak menuju pasar, ketersediaan lahan parkir di pasar, kelengkapan jenis produk di pasar, keberagaman produk kebutuhan sehari - hari di pasar, kualitas produk kebutuhan sehari - hari di pasar, kualitas produk kebutuhan belanja di pasar, keterjangkauan harga produk, pasar bebas dari sampah, pasar bebas dari genangan, keamanan pasar, kenyamanan lingkungan pasar.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.018 | 0.002 |
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".