ANALISIS KAPABILITAS APARAT PENGAWASAN INTERNAL PEMERINTAH (APIP) MENGGUNAKAN STANDART INTERNAL AUDIT CAPABILITY MODEL (IA-CM) (STUDI KASUS PADA INSPEKTORAT KOTA TEBING TINGGI) PERIODE 2017-2018
Notice bibliographique
Résumé
Penelitian ini bertujuan menganalisis tingkat Kapabilitas Aparat Pengawasan Internal Pemerintah (APIP) pada inspektorat Kota Tebing Tinggi dengan menggunakan standart yang berlaku universal diseluruh dunia yaitu Internal Audit Capability Model (IA-CM) yang di bentuk oleh Auditor Sektor Publik Dunia yaitu The Institude of Internal Auditor, elemen-elemen internal audit yang mempengaruhi ketertinggalan Kapabilitas APIP dan strategi untuk meningkatkan Kapabilitas APIP Inspektorat Kota Tebing Tinggi. Penelitian ini menggunakan pendekatan penelitian deskriptif. Dalam hal menganalisis data penelitian penulis melakukan teknik pengumpulan data Observasi, dokumentasi dan wawancara. Sedangkan teknik analisi data yang digunakan adalah metode analisis deskriptif. Berdasarkan hasil penelitian berdasarkan penilaian Kapabilitas APIP menggunakan standart Internal Audit Capability Model (IA-CM) menunjukkan bahwa Inspektorat Kota Tebing Tinggi berada pada level 3 dengan catatan perbaikan (Integrated). Dari 6 elemen internal audit sesuai Standart IA-CM, 4 elemen yaitu elemen “Peran dan Layanan APIP (Service and Role of Internal Auditing)”, “Pengelolaan Sumber Daya Manusia (People Management)”, “Budaya dan Hubungan Organisasi (Organization Relationship and Culture)” dan elemen “Struktur Tata Kelola (Governance Structure)” sudah mencapai level 3 sedangkan 2 elemen lain nya yaitu elemen “Paktik Profesional (Profesional Practice)” dan elemen ” Akuntabilitas dan Manajemen Kinerja (Performance Management and Accountability)” masih mencapai level 2. Dari 6 elemen tersebut diketahui elemen yang mempengaruhi ketertinggalan Kapabilitas APIP pada Inspektorat Kota Tebing Tinggi adalah elemen yang masih berada pada level 2
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 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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».