Decision Support System In Land Selection For Rubber Tree Planting Using The Moora Method
Notice bibliographique
Résumé
Decision support system in the selection of land for rubber tree planting in order to minimize time and help PT. GERGAS UTAMA to determine quality land so as to increase rubber productivity. This method also has a good level of selectivity because it can determine the purpose of conflicting criteria. Where the criteria can be profitable (benefit) or unfavorable (cost). The selection of the right rubber area will certainly affect the production of rubber plants. In the process of selecting the right rubber area, of course, there are several criteria that will determine whether or not a land is suitable for producing rubber plantations such as temperature, rainfall, drainage, soil texture and so on. PT Gergas Utama has difficulty in the process of selecting this land because the selection process is still done manually which of course will take longer so that it becomes ineffective and affects the productivity of the rubber plant.Based on the description above, it is necessary to build a decision support system in the selection of land for rubber tree planting in order to minimize time and help PT Gergas Utama to determine quality land so as to increase rubber productivity. In the development of this decision support system, the MOORA (Multi-Objective Optimization by Ratio Analysis) method is used, which is a method that has a level of flexibility and ease of understanding in separating the subjective part of an evaluation process into decision weight criteria with several decision-making attributes. The program used in the development of the Decision Support System is PHP for a web-based system and MySQL as a database management system. The results ofthis program indicate that the Decision Support System for the selection of land for planting rubber trees can be utilized by PT. GERGAS UTAMA is the rubber plantation sector in selecting the best land for planting. The results of the ranking calculation from the MOORA (Multi-Objective Optimization by Ratio Analysis) method from a total of 10 rubber land planting locations with a value of 0.369, the result of the sum of the criteria weights being the highest. the best has the highest value of 0.369.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».