ANALISIS PREREFERENSI KONSUMEN DALAM PEMILIHAN JASA TRANSPORTASI DENGAN MENGGUNAKAN KONJOIN ANALISIS
Notice bibliographique
Résumé
Jasa transportasi menjadi suatu kebutuhan yang sangat penting bagi hampir kebanyakan orang. Seiring dengan perkembangan masyarakat, jasa industri transportasi sekarang sangat beragam misalnya: ada yang menawarkan jasa taksi motor dengan harga yang murah, angkutan umum bis trans-Jogja yang bisa berpindah-pindah dari halte ke halte tanpa membayar lagi sesuai dengan ketentuan yang ada, taksi mobil dengan variasi pelayanan yang ditawarkan, ada yang taksi mobil dengan kapasitas penumpang besar dan ada yang menawarkan kupon berhadiah atau potongan harga. Pada penelitian ini adalah menentukan tingkat kepentingan relatif masing-masing atribut dari jasa transportasi serta profil segmentasi konsumen jasa transportasi berdasarkan tingkat kepentingan relatif masing-masing atribut bagi masing-masing konsumen,mengetahui masukan yang dapat diberikan terhadap bussiness plan untuk penyedia jasa transportasi. Profil jasa penyedia transportasi yang diinginkan konsumen adalah penyedia transportasi dengan layanan tarif tidak terlalu mahal dengan persentase 11.811%, kenyamanan 7.849%, kapasitas penumpang 8.325%, jadwal pemberangkatan 6.923%, area 6.872%, komunikasi karyawan 7.301%, jalur/rute 7.842% dan akses transportasi 8.464%. Dari analisis klaster dihasilkan 8 segmen dan diketahui faktor demografi yang mempengaruhi pembentukan segmen secara signifikan yaitu jenis kelamin, status perkawinan, usia, pekerjaan, pendapatan rata-rata dan pendidikan. Keywords : Transportasi, Konjoin analisis, Klaster
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».