FUZZY LOGIC MAMDANI PENERIMAAN SEMBAKO UNTUK KELUARGA MISKIN
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
Poverty is one of the fundamental problems that is the center of attention of the Indonesian government. To improve the coordination of poverty reduction, the Government issued Presidential Regulation Number 15 of 2010 concerning the Acceleration of Poverty Reduction which is a revision of Presidential Regulation Number 13 of 2009 concerning Poverty Reduction Coordination. Indonesia is an agricultural country, the average income derived from agriculture. One of the most advanced agricultural fields is rice, which produces rice as a staple food. The large number of Indonesian citizens causes the domestic rice harvest to be insufficient to meet the needs of its citizens, thus requiring additional supplies from abroad. This causes food shortages, especially for poor families. To improve the stability of Indonesia's economy, the Government is trying various ways by distributing basic food items one of the policies taken by the government is by issuing the Republic of Indonesia's presidential regulation number 63 of 2017 concerning the distribution of non-cash social assistance. Calculations on this decision support system are then used a method, the mamdani fuzzy logic method. Fuzzy logic mamdani method from the point of rule evaluation to determine the basic food recipients for poor families. In determining the nine basic food recipient parameters using fuzzy logic, the input variable is divided into 4 namely age, income, home conditions and number of children.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,003 | 0,024 |
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