IMPLEMENTASI DAN ANALISIS DATA MINING UNTUK PENCARIAN POLA PENYEBAB KECELAKAAN LALU LINTASDENGAN METODE APRIORI
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
Meningkatnya jumlah kecelakaan lalu lintas dari tahun ke tahun membutuhkan perhatian dan penganggulangan yang serius yang mana mengingat kecelakaan lalu lintas menjadi faktor pembunuh yang cukup tinggi. Penanggulangan kecelakaan lalu lintas dapat dilakukan dengan melakukan langkah – langkah pendekatan seperti sosialisasi dan pengawasan terhadap rambu – rambu serta trafik pada jalan raya. Untuk dapat mencari solusi penanggulangan yang tepat maka diperlukan informasi mengenai kecelakaan lalu lintas yang terjadi. Dengan informasi kecelakaan lalu lintas yang tepat maka dapat diambil langkah-langkah penanggulangan yang efektif sehingga dapat menurunkan angka kecelakaan lalu lintas yang terjadi. Dengan menggunakan apriori maka dapat diperoleh pasangan – pasangan item yang sering muncul sehingga dapat diperoleh pola keterkaitan dari item – item tersebut. Berdasarkan hasil analisa apriori diperoleh variabel – variabel yang berkaitan dengan kecelakaan lalu lintas di polresta Kota Medan.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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