Audit Sistem Informasi Absensi Karyawan Pada PT. SALAPIAN INDO SAWIT (SIS) Menggunakan Framework Cobit 5
Notice bibliographique
Résumé
Salapian Indo Sawit (SIS) merupakan perusahaan yang bergerak di bidang perkebunan kelapa sawit di Indonesia. PT. SIS ini berlokasi di Ujung Teran, Kec. Salapian, Kabupaten Langkat. Perusahaan ini terlibat dalam berbagai aspek industri kelapa sawit, mulai dari budidaya, pengolahan dan distribusi produk kelapa sawit. Penelitian ini bertujuan untuk membuat sistem informasi kehadiran karyawan di PT. Salapian Indo Sawit (SIS) menggunakan cobit 5 untuk estimasi efektivitas, efisiensi dan keamanan sistem. Sistem absensi yang digunakan perusahaan ini mempengaruhi proses pengelolaan data karyawan yang meliputi pencatatan kehadiran, penggajian dan waktu manajemen. Audit ini mencakup penilaian terhadap perangkat lunak yang digunakan, proses operasional yang ada, dan pengendalian internal yang diterapkan. Metode yang digunakan dalam penelitian ini adalah pendekatan deskriptif kualitatif, observasi dan analisis dokumenter. Hasil auditnya bantuan menunjukkan bahwa terdapat beberapa kelemahan dalam sistem, seperti ketergantungan pada prosedur manual dan kurangnya kontrol terhadap keakuratan data yang dimasukkan. Penelitian ini memberikan rekomendasi perbaikan sistem melalui penerapan teknologi yang lebih canggih dan perbaikan prosedur operasional yang mendukung manajemen perawatan yang lebih efektif dan efisien.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,012 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».