Sistem Pendukung Keputusan Menentukan Pemilihan Lokasi untuk Cabang Baru Toko Liv Beauty Cosmetic menggunakan Metode TOPSIS
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
Toko Liv Beauty is one of the business players in the beauty sector that is developing in North Sumatra, specifically in the West Binjai sub-district, Binjai City. As a store that provides various beauty products, this research aims to assist Toko Liv Beauty in determining a strategic location for opening a new branch using the Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) method. The TOPSIS method was chosen for its ability to analyze alternatives based on positive and negative ideal solutions objectively. A case study was conducted at three potential locations in Binjai: Binjai City, Binjai South, and Binjai North, considering five main criteria: population density, ease of transportation access, number of competitors, rental costs, and building area. The analysis process involves normalizing the decision matrix, calculating weighted values, identifying ideal solutions, and determining alternative preferences. The analysis results show that the location with the highest preference is Binjai North (1), followed by Binjai South (0.5885) and Binjai City (0). Thus, Binjai North is recommended as a strategic location for opening a new branch of Toko Liv Beauty. The implementation of the TOPSIS method in this research is expected to contribute to more effective data-driven decision-making for the business development of Toko Liv Beauty.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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