Grouping Data On Infrastructure Development In Langkat District Using The Clustering Method (Case Study: PUPR, Langkat Regency)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A building is a man-made structure consisting of walls and a roof permanently erected in a place. Buildings can also be called houses and buildings, namely all facilities, infrastructure or infrastructure in culture as well as human life in building their civilization. Public Works and Public Housing (PUPR) play an important role in increasing the development of national infrastructure in Indonesia so that PUPR can assist in clustering research in infrastructure development in Langkat Regency which is very large every year by grouping the data based on activity names, company names, sub-districts development, and look at the last four years.To classify existing development infrastructure in Langkat Regency with the previous system used by the PUPR Service which is still running by recording in a ledger and hindering reporting performance in grouping PUPR service infrastructure development in road construction, bridge construction and others. So that the existence of grouping using the clustering method helps the PUPR service in clustering infrastructure development data in Langkat Regency to be more effective and efficient.The clustering method is one of the methods that can be applied in classifying infrastructure development data taken from the analysis of Langkat Regency PUPR data regarding developments that have taken place in several sub-districts in Langkat Regency. This clustering method has been widely used by previous studies to group data
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle