Decision Making Using the MABAC Method to Determine the Leading Small and Medium Industry Centers in Yogyakarta
Notice bibliographique
Résumé
Determining small-medium industries (SMIs) centers on producing SMIs capable of developing and excelling in Yogyakarta City. The determination of superior SMIs plays a crucial part in the development of new and creative industries. However, many unresolved SMIs decisions were made manually, thus making the long and ineffective process. Technology entry into various disciplines can make determining superior SMIs more efficient and systematic. To facilitate the determination of superior SMIs, it took advantage of the Decision Support System (DSS), where the author, when carrying out the analysis, applied the Multi-Attributive Border Approximation Area Comparison (MABAC) method for alternative rankings. This research resulted in the ranking of superior SMIs centers, namely alternatives (A6) ranked 1st, (A9) 2nd order, (A2) 3rd order, (A8) 4th order, (A10) 5th order, (A1) 6th order, (A3) 7th order, (A5) 8th order, (A4) 9th order, and (A7) 10th order. The MABAC method was successfully used in the decision-making of superior SMIs centers with a precision of 83.3% and an accuracy of 93.5%, calculated using a confusion matrix. The study’s results discovered that the MABAC approach was successfully used for decision-making for determining superior small and medium industry centers.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| 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) | 0,003 | 0,000 |
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 ».