PENERAPAN METODE WEIGHT PRODUCT (WP) DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN PENENTUAN PERALATAN PANCING
Notice bibliographique
Résumé
Memancing adalah kegiatan yang sejak zaman dahulu diminati oleh sebagian besar masyarakat indonesia, tidak hanya nelayan, tetapi orang awam kini yang menikmati akhir pekan untuk sekedar memancing. sebagian orang awam ketika akan melakukan memancing mengalami kesulitan dalam pemilihan piranti pancing. Penelitian ini bertujuan untuk para pemancing awam dalam menentukan pemilihan peralatan pancing. Manfaat dari penelitian ini adalah memberikan alternatif bagi pemancing awam dalam menghitung kebutuhan peralatan pancing yang akan digunakan, dengan kriteria kedalaman laut, arus laut, bobot ikan dan kelompok ikan. Pengembangan sistem ini menggunakan metode waterfall. Metode dalam sistem pendukung pengambilan keputusan, peneliti menggunakan metode weight product, metode weight product ini menentukan di tiap-tiap alternatif harus sesuai dengan kriteria yang berkaitan, dengan cara melakukan perkalian lalu menghubungkan rating atribut, dimana rating pada atribut harus dipangkatkan dahulu dengan nilai bobot yang bersangkutan, kemudian diterapkan kedalam sistem tersebut yang akan memberikan pilihan-pilihan peralatan pancing. Hasil yang dicapai, mampu melakukan perangkingan dari alternatif tersebut dan dapat digunakan oleh pemancing awam ketika akan melakukan aktifitas memancing, pada hasil perangkingan nilai tertinggi adalah piranti yang sangat disarankan.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».