ANALISIS OPTIMASI WAKTU DAN BIAYA DENGAN METODE TIME COST TRADE OFF
Notice bibliographique
Résumé
Lokasi penelitian terletak di di Dukuh Balong Kelurahan Timbulharjo Kecamatan Sewon Kabupaten Bantul Daerah Istimewa Yogyakarta. Metode yang digunakan adalah Metode Time Cost Trade Off melakukan penambahan tenaga kerja, dan, jam kerja lembur. Pengolahan data menggunakan data sekunder seperti rancangan anggaran biaya, time schedule rencana dan realisasi, laporan mingguan, dan gambar kerja. Hasil analisis penelitian dapat dilihat bahwa terdapat perbedaan antara biaya dan durasi akibat penambahan jam kerja (lembur) dan penambahan tenaga kerja. Pada penambahan lembur 1 jam dengan biaya total Rp 289.876.705,23, selanjutnya pada penambahan lembur 2 jam dengan biaya total Rp 308.391.171,11 dan, pada penambahan lembur 3 jam dengan biaya total Rp 327.196.816,63 dengan total durasi setelah di lakukan lembur menjadi 61 hari jika dibandingkan dengan penambahan tenaga kerja dengan biaya total Rp 156.919.168,62 dengan total durasi setelah di lakukan penambahan tenaga kerja menjadi 59 hari.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 ».