MétaCan
Menu
Retour à la cohorte
Enregistrement W2916456712 · doi:10.19184/bisma.v11i3.6471

PENGARUH KUALITAS PRODUK DAN KUALITAS LAYANAN TERHADAP KEPUASAN DAN LOYALITAS PENGGUNA KASMDI KBS

2018· article· en· W2916456712 sur OpenAlexaff
Galih Arief Prakosa, Udisubakti Ciptomulyono, Fuad Achmadi

Notice bibliographique

RevueBISMA Jurnal Bisnis dan Manajemen · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior and Marketing Influence
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésLoyaltyProduct (mathematics)BusinessService qualityQuality (philosophy)Loyalty business modelPath analysis (statistics)User satisfactionService (business)Customer satisfactionMarketingComputer scienceMathematicsHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

Abstract: The availability of consumable water is a basic human right. The State Water Supply Company (PDAM) Surya Sembada is the only government institution in charge in providing and managing drinking water facilities and infrastructure in Surabaya. PDAM Surya Sembada provides free fountain drinking (KASM) as their Corporate Social Responsibility (CSR) program that located in various strategic public places in the city including in Surabaya Zoo (KBS). However, there has never been any analysis on the product and service quality of the KASM in KBS. Therefore, the objective of this study is to analyze the effect of product and service quality of the KASM in KBS on user satisfaction and loyalty using Structural Equation Modeling (SEM) with Partial Least Square (PLS) analysis. Results of path coefficient analysis show that product quality affects user satisfaction, but it has no effect on user loyalty. Service quality affects user satisfaction and loyalty. User satisfaction affects user loyalty. It can be concluded that user satisfaction is affected by product and service quality, while user loyalty is affected by service quality and user satisfaction. Keywords: KASM, Product Quality, Service Quality, User Satisfaction, User Loyalty.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,121

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0360,006

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,271
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBISMA Jurnal Bisnis dan ManajemenMême sujetConsumer Behavior and Marketing InfluenceTravaux en français237 207