Analisis Spatial Econometric Perilaku Pergerakan Masyarakat di Kota Makassar
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
Makassar merupakan kota terbesar keempat di Indonesia. Saat ini Kota Makassar sedang menghadapi permasalahan berat di dalamnya adalah sistem transportasi. Salah satunya adalah kemacetan yang disebabkan oleh ketimpangan jaringan jalan dan jumlah pengguna kendaraan pribadi yang tidak terkendali. Setiap hari lebih dari 150.000 komuter masuk ke Makassar dan terustumbuh sekitar 5% per tahun (sumber: Bappeda Makassar), yang mana mereka berasal dari kabupaten sekitar kota Makassar.Sebagai kota terbesar di Indonesia bagian timur dan salah satu kota terbesar, Makassar mempunyai pertumbuhan pergerakan transportasi tertinggi di luar Jakarta dan Surabaya. Kondisi inilah yang menjadi alasan utama dilakukannya penelitian ini untuk menjadi masukan bagi kajian dan penelitian mengenai perkembangan transportasi umum di Makassar. Model Regresi Tertimbang Geografis, yaitu jenis model statistik spasial yang menggunakan kumpulan data spasial sebagai data dasar untuk dianalisis. Model ini juga didasarkan pada model Regresi; Namun, model ini memiliki keunggulan pada hasil lokal di setiap fitur kumpulan data. Dalam penelitian ini kami menggunakan data GIS kecamatan. Hasil GWR menggambarkan hasil di setiap kecamatan dan membantu kita memahami model prediksi dan pola. skripsi ini akan mendapatkan referensi akademis kepada pemerintah kota Makassar dan pemerintah Provinsi Sulawesi Selatan mengenai perilaku perjalanan di Makassar.
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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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