PENGARUH HARGA, KUALITAS LAYANAN DAN TEKNOLOGI E-COMMERCE TERHADAP KEPUTUSAN UNTUK MENGGUNAKAN LAYANAN GO-JEK DI WILAYAH KECAMATAN CIBINONG
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this era, some people use E-commerce for online transportation. Go-Jek is one of the alternatif online transportation that used by people. The aim of the research is to know the effect of factor cost, quality of services, and E-Commerce technologi to decision for using Go-Jek service in Kecamatan Cibinong. The type of research is used correlational research. The data analysis is used linear regression of multiple with helping SPSS program version 17.0. Result of the research shows the test linear regression of multiple obtained the regression equation is: Y = 3.340+ 0,631X1+ 0,180X2+ 0,678X3. The meaning is every it increases the values of free variable (cost, quality of services, and E-Commerce) so it will increase the value of customers decision using Go-Jek in Kecamatan Cibinong. The results of the coefficient of determination show that the value Adjust R Square of 0,446 (44,6%) Which means together factors cost , the quality of services and E-Commerce have contribution or affecting decision to use Go-Jek in Kecamatan Cibinong of 44,6 %, while the rest 55,4% affect by the other factors that is not discussed in the research. The results of the hypothesis whether partial and simultaneously Prove that factors price , the quality of services and e-commerce affect decision costumers using Go-Jek in Kecamatan Cibinong. The most dominant factors affecting decision to using go-jek in Kecamatan Cibinong is a factor information technology E-Commerce , this is proven by value the regression coefficient of 0,678
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 0,002 |
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 découle