KAJIAN DAYA DUKUNG LAHAN BERDASARKAN RENCANA POLA RUANG RTRW 2012 – 2032 KOTA TANGERANG
Bibliographic record
Abstract
Kota Tangerang memiliki posisi yang strategis sebagai kota penyangga yang menyebabkan terjadinya pertumbuhan penduduk, sehingga membuat Kota Tangerang menjadi pusat investasi. Akibatnya, terjadi perluasan kawasan permukiman dari 7.712 hektar (2021) menjadi 7.953 hektar (2024), yang telah melampaui rencana RTRW tahun 2012–2032 yaitu 7.453 hektar yang menandakan terjadinya oversupply kawasan perumukiman. Peningkatan kawasan permukiman sebagai lahan terbangun berdampak pada penurunan lahan non terbangun, yang sebetulnya memiliki peran penting dalam menjaga keseimbangan ekosistem dari padatnya aktivitas kota. Penelitian ini bertujuan untuk menganalisis daya dukung lahan Kota Tangerang pada tahun 2032 berdasarkan RTRW. Metode yang digunakan bersifat kuantitatif, yaitu dengan menganalisis daya dukung lahan melalui perbandingan antara ketersediaan lahan berdasarkan RTRW dan kebutuhan lahan yang dihitung dari proyeksi jumlah penduduk tahun 2032. Hasil menunjukkan bahwa pada tahun 2032, kebutuhan lahan untuk permukiman dan kegiatan ekonomi masih dapat terpenuhi, namun kebutuhan ruang terbuka tidak terpenuhi. Kondisi ini menunjukkan bahwa perencanaan ruang untuk lahan non terbangun belum sepenuhnya mengutamakan aspek keberlanjutan lingkungan yang berisiko menurunkan kualitas lingkungan maupun kesejahteraan masyarakat. Oleh karena itu, dapat disimpulkan bahwa daya dukung lahan di Kota Tangerang diproyeksikan akan terlampaui pada tahun 2032 akibat ketidakseimbangan antara lahan terbangun dan non terbangun.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.049 | 0.010 |
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".