MétaCan
Menu
Retour à la cohorte
Enregistrement W4393006436 · doi:10.55123/storage.v3i1.3139

ANALISIS PENJADWALAN WAKTU KERJA PROYEK MENGGUNAKAN METODE CPM PADA PEMBANGUNAN PROYEK GEDUNG DPRD KABUPATEN SLEMAN, YOGYAKARTA

2024· article· id· W4393006436 sur OpenAlexaff
Ricko Rivaldo Ruben Do’o, Rizal Maulana, Sely Novita Sari

Notice bibliographique

RevueSTORAGE Jurnal Ilmiah Teknik dan Ilmu Komputer · 2024
Typearticle
Langueid
DomaineHealth Professions
ThématiqueOccupational Health and Safety Management
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésMathematicsHumanitiesForestryGeographyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Pelaksanaan sebuah proyek membutuhkan penjadwalan pelaksanaan proyek agar dapat diketahui durasi pelaksanaan proyek. Penjadwalan proyek merupakan salah satu bagian dari perencanaan sebuah proyek, dan merupakan pengalokasian waktu yang tersedia untuk melaksanakan setiap kegiatan proyek untuk mencapai hasil yang optimal. Tujuan penelitian ini untuk mengetahui jumlah durasi optimal proyek pembangunan Kantor DPRD Kabupaten Sleman, Yogyakarta menggunakan metode CPM. Critical Path method (CPM) atau metode lintasan kritis merupakan salah satu metode penjadwalan yang berorientasi dalam menentukan posisi waktu yang paling optimal. Alat bantu yang digunakan dalam penentuan kegiatan kritis berupa Software Microsoft Project 2016, Durasi yang digunakan untuk Analisa pekerjaan yaitu durasi dari hasil wawancara, dan studi kasus yang diambil adalah Gedung Kantor DPRD Kabupaten Sleman, Yogyakarta. Berdasarkan hasil penjadwalan ulang dengan menggunakan metode lintasan kritis lebih optimal dibandingkan dengan durasi rencana proyek. Durasi optimal dalam mempercepat penyelesaian pekerjaan proyek adalah 315 hari dari durasi wawancara 357 hari dengan efisiensi waktu 11,8 % dan dapat diketahui item pekerjaan yang kritis atau pekerjaan yang memerlukan pengawasan agar tidak terjadi pennundaan dan keterlambatan

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)0,009
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: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0230,004

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 Opus0,036
Tête enseignante GPT0,361
Écart entre enseignants0,325 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSTORAGE Jurnal Ilmiah Teknik dan Ilmu KomputerMême sujetOccupational Health and Safety ManagementTravaux en français237 207