A Decision Support System To Determine The Location Of A New Sales Branch At Star East Shop With The Smart Method
Notice bibliographique
Résumé
In a business world that is always dynamic and full of competition, business people must always think of ways to continue to survive and if possible develop their business scale in order to meet these business needs, there are many ways that can be taken, one of which is by conducting data analysis. . Bintang Timur shop is one of the businesses in the field of iron and building material shops in the city of stabat. Bintang Timur shop was founded in 2013 which continues to grow at this time. Equipped with the desire to meet the needs of users in the field of iron and building, Bintang Timur store continues to grow by adding various products. The profits obtained in this shop are also used to develop the business, one of which is the addition of goods sold. Based on the analysis that has been done, there are several obstacles faced by this eastern star shop. One of them is the process of finding a new sales branch location at the Bintang Timur store. In this study, a Decision Support System (DSS) will be built using the Simple Multiple Attribute Rating Technique (SMART) method which is a multi-criteria decision making technique based on each alternative consisting of of a number of criteria that have a value and each criterion. Based on the calculation results of the SMART method above, Tebasan (A1) is a new branch location at the Bintang Timur Store in Stabat City which is feasible with a value of 0.763.
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 | 0,001 | 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 | 0,001 | 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) | 0,008 | 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; 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 ».