PENERAPAN METODE MULTI-OBJECTIVE OPTIMIZATION ON THE BASIS OF RATIO ANALYSIS (MOORA) DALAM SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KADAR MINYAK MENTAH
Notice bibliographique
Résumé
PT Perkebunan Nusantara IV Jambi Bah Plantation Business Unit is one of the large oil palm plantations that produce crude palm oil.The requirements for the quality of palm oil used as raw material for the food and non-food industries are different. Therefore authenticity, purity, freshness and other aspects must be paid more attention. The selection of crude palm oil levels carried out in the processing section is still manually. This requires quite a long time in the process and does not rule out the possibility of errors in his judgment. Based on the above assessment, there is a problem often found in determining high-quality and high-quality oil, which is to determine the appropriate and appropriate assessment in grading the content or aspects contained in crude oil according to standards and quality. Based on these problems, we need a system that is able to help solve problems in determining the quality of crude oil levels and quality. Thus it can be proposed operational development in determining the levels contained in crude oil using the MOORA method in deciding quality oil levels based on existing criteria. From the test results tested with 16 alternatives, the highest results can be obtained, namely alternative A3 with an alternative name 8774 LU with a value of 0.2738 so that it can be concluded that alternative A3 has high quality and quality oil content.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».