PENERAPAN METODE SAW DAN TOPSIS SEBAGAI PERBANDINGAN HASIL SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN LOKASI LAHAN TAMBAK PALING TERBAIK UNTUK DIJADIKAN USAHA TAMBAK AIR PAYAU
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
Banyaknya metode-metode yang tersedia pada sistem pendukung keputusan sehingga kadang membuat bingung memilih mana yang cocok penggunaaan metode yang sesuai dengan kasus sistem pendukung keputusan. Untuk itu dibuat suatu perbandingan dari kasus sistem pendukung keputusan pemilihan lokasi lahan tambak paling terbaik untuk dijadikan usaha tambak air payau untuk perbandingan hasil keputusan. Metode yang digunakan yaitu Simple Additive Weighting (SAW) dan Topsis dengan menentukan banyaknya jumlah kriteria, jenis kriteria (Cost dan Benefit), dengan 3 alternatif. Hasil penelitian yaitu hasil perhitungan manual sama dengan perhitungan yang ada pada sistem. Setiap perhitungan dari dari metode SAW dan Topsis menunjukkan bahwa hasil keputusan pemilihan lokasi lahan tambak paling terbaik untuk dijadikan usaha tambak air payau setiap metode memiliki hasil akhir yang berbeda-beda.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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