MétaCan
Menu
Retour à la cohorte
Enregistrement W4311160745 · doi:10.33364/algoritma/v.19-2.1202

Sistem Informasi Penjadwalan Kendaraan Pada CV. Serin Transport Berbasis Web

2022· article· id· W4311160745 sur OpenAlexaff
Muhammad Rikza Nashrulloh, Ridwan Setiawan, M Rizki Nur Jamil

Notice bibliographique

RevueJurnal Algoritma · 2022
Typearticle
Langueid
DomaineComputer Science
ThématiqueMultimedia Learning Systems
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer scienceOperating systemDatabase

Résumé

récupéré en direct d'OpenAlex

CV Serin Transport adalah anak perusahaan dari PT Fajar Prakasa, CV Serin Transport yang bergerak pada bidang jasa pelayanan pengiriman barang. Jasa pelayanan pada CV Serin Transport di antara lain adalah penditrubusian pupuk baik subsidi dan non subsidi adapun wilayah pengantaran diantara lain kabupaten Garut, Ciamis, Tasikmalaya, Sumedang.. Permasalahan yang ada pada CV Serin Transport dalam penjadwalan keberangkatan Armada masih menggunakan manual yaitu hanya menggunakan microsoft excel juga penyimpanan data, keamanan data, dan penyajian informasi yang kurang efisien dan efektif, serta rekapitulasi oleh bagian Administrasi yang dikerjakan oleh satu orang. Jika ada Armada yang menanyakan informasi jadwal keberangkatan untuk pengiriman barang, akibat hal itu terjadi jadi penghambat pekerjaan dan membuat efesiensi waktu terganggu dan mengurangi kinerja dan profit pada perusahaan.. Sistem Informasi Manajemen Kendaraan pada CV Serin Transport, yang dibangun untuk mencatat penjadwalan pengiriman barang dan menghasilkan laporan penjadwalan pengiriman barang untuk mempermudah penyajian informasi kepada Pemilik dan Armada. Sistem Informasi Manajemen Kendaraan ini menggunakan Metode RAD (Rapid Application Development) dengan menggunakan beberapa tahapan yaitu pemodelan bisnis, pemodelan data, pemodelan proses, pembuatan aplikasi, pengujian, dan penjualan. Hasil yang di harapkan dalam pembuatan Sistem Manajemen Kendaraan pada CV Serin Transport dapat mengoptimalkan kinerja dari perusahaan.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,107
Score d'incertitude au seuil0,359

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0100,005
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,1070,126

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,228
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreLogiciel

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal AlgoritmaMême sujetMultimedia Learning SystemsTravaux en français237 207