Pemamfaatan Metode Clustering Pada Nasabah Peminjaman Modal (Studi Kasus: PT. Faderal International Finance Binjai)
Notice bibliographique
Résumé
Peminjaman modal merupakan transaksi tersepakati dari dua belah pihak bermaksud meminjan uang/dana kepada seseorang atau badan usaha peminjaman. PT. Faderal International Finance Binjai sebagai salah satu satu badan usaha yang bergerak di bidang keuangan atau jasa keuangan yang menyediakan peminjaman modal dengan menjaminkan surat berhaga sebagai penjamin Dalam rekapitulasi data nasabah dalam pengelompokkan nasabah untuk mengetahui jumlah nasabah dalam peminjaman modal sering dilakukan secara komputerisasi bahkan manual yang mengakibatkan sulit dalam pengelompokkan dan mengetahui jumlah nasabah. Pada penelitian ini dalam Pemamfaatan Pada Nasabah Peminjaman Modal menggunakan metode clustering dalam nilai yang di hasilkan menggunakan program mendapatkan hasil yang berbeda - beda pada penggunaan cluster 2 dan cluster 3. maka dapat di simpulkan penggunaan metode clustering mampu mengelompokkan data nasabah peminjaman modal di PT. Faderal International Finance Binjai.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,063 | 0,024 |
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 ».