SISTEM PENDUKUNG KEPUTUSAN PENENTUAN TINGKAT RADIKALISME MENGGUNAKAN METODE FUZZY INFERENCE SYSTEM
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
Radikalisme berkembang begitu pesat. Hal ini menjadi pekerjaan rumah bagi kita semua agar ideologi radikal tidak semakin meluas. Maka perlu dibuatnya suatu pendekatan untuk membuat keputusan terkait tingkat pemahaman radikalisme tersebut apakah memiliki pemahaman tersebut atau tidak. Hal yang berkaitan dengan ideologi radikalisme ada 4 yaitu 1. Toleransi, 2. Sosial, Ekonomi, dan Politik, 3. Pemahaman Budaya dan 4. Nilai Keagamaan. 4 Perkara yang telah disebutkan dijadikan sebagai Parameter. Dalam menentukan parameter, peneliti melakukan studi literatur. Dalam parameter tersebut, masing-masing memiliki sub parameter, pada parameter Toleransi memiliki 4 sub parameter, parameter Sosial, Ekonomi, Politik memiliki 4 sub parameter, parameter Budaya memiliki 3 sub parameter, parameter Keagamaan memiliki 4 sub parameter. Metode yang digunakan dalam penelitian ini adalah Fuzzy Inference System. Fuzzy Inference System memiliki 4 proses diantaranya adalah fuzzifikasi, inference system, defuzzifikasi, dan rule base. Hasil dari penelitian ini adalah sebuah keputusan, yang dimana terdapat 3 kriteria keputusan yaitu Moderat, Konservatif dan Radikal.
 Kata Kunci: Radikalisme, Parameter, Fuzzy Inference System
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,006 |
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