LKP : Rancang Bangun Aplikasi Wajib Lapor Perusahaan Pada Dinas Tenaga Kerja Pemkot Surabaya
Notice bibliographique
Résumé
Dinas Tenaga Kerja Pemkot Surabaya pada bidang pengawasan yang bertugas untuk pendataan atau pendaftaran nama-nama perusahaan yang berada di Surabaya. Didapatkan informasi bahwa data tersebut masih disimpan dalam Microsoft Excel, dimana terdapat suatu kendala pada penyimpanan data yang begitu banyak, pencarian data dan kerapian / urutan data nama Perusahaan. Selain itu pula setiap input data form wajib lapor perusahaan data tersebut harus di masukan satu per-satu kedalam Microsoft Excel. \nDari permasalahan tersebut, maka dibutuhkan sebuah sistem untuk menangani proses pendataan nama-nama perusahaan yang berada di surabaya. Dimana setiap perusahaan harus mengambil form wajib lapor untuk mendaftarkan perusahaannya. Selain proses pendataan, pada sistem informasi ini juga dilengkapi fitur pengarsipan data yang nantinya tidak begitu membutuhkan banyak kertas, keamanan data juga dapat ditingkatkan, karena data tersimpan dalam database dan Pihak Pengawasan sekarang tidak perlu mencari data lagi dengan menggunakan buku induk, tetapi sudah bisa menggunakan Form Pencarian Perusahaan. \nDengan adanya sistem yang dibuat, maka bagian Pengawasan dapat mengolah data perusahaan dengan cepat dan akurat. Selain itu pula laporan yang dihasilkan dapat sesuai format Kepala Bidang Pengawasan. Sehingga staf bidang pengawasan dapat membuat laporan Form wajib lapor langsung melalui aplikasi yang dibuat ini.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,211 | 0,070 |
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 ».