MétaCan
Menu
Retour à la cohorte
Enregistrement W4387216911 · doi:10.59697/jik.v5i2.274

OPTIMALISASI RUANGAN PRAKTIKUM MENGGUNAKAN PEMROGRAMAN LINIER INTEGER (STUDI KASUS : STMIK KAPUTAMA)

2021· article· id· W4387216911 sur OpenAlexaff
Hafizhul Khair, I G Prahmana, Akim Manaor Hara Pardede, Paul S. M. L. Tobing

Notice bibliographique

RevueJurnal Informatika Kaputama (JIK) · 2021
Typearticle
Langueid
DomaineBusiness, Management and Accounting
ThématiqueDecision Support System Applications
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésPhysicsHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Pelaksanaan proses belajar mengajar pada suatu perguruan tinggi yang dilaksanakan di dalam kelas ada terbagi dua, ada yang proses belajarnya di dalam ruang kelas dan ada yang di lakukan di ruangan laboratorium. STMIK Kaputama adalah salah satu perguruan tinggi swasta yang memiliki 4 program studi, yaitu Sistem Informasi, Teknik Informatika, Manajemen Informatika dan Komputerisai Akuntansi, yang dimana empat program studi tersebut memiliki mata kuliah praktikum yang pelaksanaanya harus dilakukan di dalam laboratorium komputer. STMIK Kaputama hanya memiliki memiliki 3 laboratorium komputer yang digunakan untuk memenuhi kebutuhan praktikum pada semua program studi, hal ini akan selalu menjadi masalah karena bertambahnya mahasiswa baru tiap tahunnya sementara laboratorium computer tidak pernah bertambah dalam kurun waktu 5 tahun belakangan ini, kondisi ini perlu ditanggulangi walapun memang pada saat pandemik COVID 19 ini tidak memakai laboratorim komputer, akan tetapi ini akan tetapi disaat normal nanti masalah ini akan tetap terjadi. Dalam mengatasi masalah akibat dari kurangnya sumberdaya laboratorium yang tersedia diperlukan cara mengoptimalkan ruangan praktikum sehingga dapat memenuhi kebutuhan laboratorium komputer dengan kapasitas yang memadai dengan menggunakan pemrograman integer linier, sehingga nilai maksimum dan nilai minimum dari variabel-variabel yang mempengaruhi pada setiap variabel keputusan dapat diketahui dalam memaksimal pemakaian laboratorium komputer yang tersedia. Dari hasil penelitian yang dilakukan terdapat total variables : 81, Total constraints : 13, Nonlinear constraints : 0, Total nonzeros : 117, Nonlinear nonzeros : 0, yang artinya maksimum pemakaian kelas dalam sehari dapat mencapai 18 SKS per 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 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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0270,004

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 Opus0,027
Tête enseignante GPT0,270
Écart entre enseignants0,244 · 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'étudeSimulation ou modélisation
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Informatika Kaputama (JIK)Même sujetDecision Support System ApplicationsTravaux en français237 207