MétaCan
Menu
Retour à la cohorte
Enregistrement W4385432345 · doi:10.35724/mjti.v5i02.5322

IMPLEMENTASI TEKNOLOGI E-MARKET UNTUK MENINGKATKAN LAYANAN PERDAGANGAN TERNAK

2023· article· id· W4385432345 sur OpenAlexaff
Abdillah Hidayah Maharani, Lilik Sumaryanti, Teddy Istanto

Notice bibliographique

RevueMusamus Journal of Technology & Information · 2023
Typearticle
Langueid
DomaineComputer Science
ThématiqueInformation Retrieval and Data Mining
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsHumanities

Résumé

récupéré en direct d'OpenAlex

E-Market merupakan teknologi yang mempertemukan penjual dan pembeli untuk berkomunikaasi satu sama lain dalam transaksi pembelian barang atau jasa. Pengembangan teknologi ini dapat diperuntukkan bagi kelompok usaha, sebagai upaya untuk meningkatkan pemasaran dan penjualan. Kabupaten Merauke belum mempunyai pasar khusus ternak, kebanyakan peternak menjual ternaknya secara individu, masalah lainnya yaitu jarak tempuh ke Kota Merauke relatif jauh dari tempat tinggal mereka. Jika ada yang ingin membeli ternak, maka pembeli harus berkeliling mencari penjual ternak yang mengakibatkan membutuhkan waktu yang lama. Untuk itu diperlukan sebuah teknologi yang menjadi jembatan komunikasi antara penjual dan pembeli ternak. E-Market dapat digunakan sebagai media komunikasi dalam transaksi perdagangan ternak, yang berfungsi untuk meningkatkan pelayanan perdagangan ternak. Metode penelitian yang digunakan yaitu metode pengembangan sistem waterfall. Pengembangan aplikasi e-market menyediakan fitur ruang bagi pembeli dan pedagang yang ingin memperluas pangsa pasarnya dan memungkinkan terjadinya pertukaran informasi tentang produk yang dijual. Hasil pengujian sistem pada E-Market untuk meningkatkan pelayanan perdagangan ternak, dapat membantu meningkatkan perdagangan ternak serta membantu pedagang untuk menyebar luaskan informasi tentang ternak yang akan dijual pada wilayah Kabupaten Merauke dan sekitarnya. Berdasarkan hasil pengujian blackbox, menunjukkan bahwa sistem dapat berjalan sesuai fungsionalitas fitur yang disajikan, dan hasil pengujian UAT menggunakan skala likert, diketahui tingkat kepuasan dengan kategori sangat membantu, pedagang 84,8% dan kepuasan pembeli terhadap sistem yaitu 81,7%.

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)0,005
score de la tête « metaresearch » (Gemma)0,010
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,081
Score d'incertitude au seuil0,272

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0110,009
Science ouverte0,0020,004
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0810,031

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 Opus0,015
Tête enseignante GPT0,263
Écart entre enseignants0,247 · 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
GenreEmpirique

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMusamus Journal of Technology & InformationMême sujetInformation Retrieval and Data MiningTravaux en français237 207