MétaCan
Menu
Retour à la cohorte
Enregistrement W4404493175 · doi:10.59581/jusiik-widyakarya.v2i2.3798

Audit Sistem Informasi Pelayanan Bpjs Kesehatan Menggunakan Framework Cobit 5.0

2024· article· en· W4404493175 sur OpenAlexaff
Nurhafieza Nurhafieza, Dila Aulia Putri, Nurfadillah Nurfadillah, Evi Vusvitasari

Notice bibliographique

RevueJurnal Sistem Informasi dan Ilmu Komputer · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Optimization Techniques
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésCOBITAuditBusinessComputer scienceInformation technologyOperating systemAccounting

Résumé

récupéré en direct d'OpenAlex

BPJS Health is a legal entity formed to administer the health insurance program with the aim of protecting the entire community with affordable premiums and providing wider service coverage for the entire community. BPJS health services focus on first level health services (FKTP/first level health facilities). Due to the sensitive nature of health information stored and managed by BPJS Health, it is important to ensure that the information systems used are safe from cyber attacks and data leaks. The stages of a BPJS Health service audit are determining audit objectives, identifying services using the framework, capability level analysis, testing controls and evidence at the capability level, verifying results, and compiling audit results reports and recommendations. Audits carried out for services that focus on Process Domains DSS01 and DSS02. The measurement result is 2.5 because the value rounding index means the results are at level 3 (established process), that is, currently the processes in each process domain have been identified and standardized well so that the library service system is stable for implementation, while the expected level is at level 4 so there is a gap of 1.5. To be able to overcome the existing gap, a recommendation was made, namely to maximize the alignment of Company Operational Standards (SOP) with applicable policies.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,905
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0040,007
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,222
Écart entre enseignants0,212 · 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 tête enseignante, pas un consensus.

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 revueJurnal Sistem Informasi dan Ilmu KomputerMême sujetManagement and Optimization TechniquesTravaux en français237 207