Kajian Faktor Dominan terhadap Penilaian Kinerja Sistem Penyediaan Air Minum (SPAM) di Provinsi Nusa Tenggara Barat
Notice bibliographique
Résumé
Provinsi Nusa Tenggara Barat memiliki 7 (tujuh) BUMD (Badan Usaha Milik Daerah) mengelola air minum terbagi atas dua pulau yaitu pulau Lombok dan pulau Sumbawa. Kedua pulau tersebut masing-masing memiliki 4 (empat) badan pengelola air minum. Penilaian kinerja SPAM berdasarkan PP 122/2015 terdapat empat aspek yang dinilai yaitu aspek keuangan, aspek pelayanan, aspek operasional, dan aspek sumber daya manusia. Kajian ini bertujuan mendapatkan faktor dominan yang berpengaruh terhadap penilaian kinerja SPAM. Metode penelitian dengan kuantitatif yang diaplikasikan menggunakan fuzzy cluster means (Fuzzy C-Means). Hasil penelitian menunjukan bahwa dalam rentang waktu 2017 – 2022 kinerja SPAM pulau Lombok dari 4 (empat) BUMD terdapat dua sehat dan dua lainnya kurang sehat. Sedangkan pulau Sumbawa rata-rata kurang sehat. Faktor dominan yang mempengaruhi kinerja BUMD tersebut yaitu aspek operasional dan aspek keuangan dimana pada aspek operasional yang dominan yaitu tingkat kehilangan air pada sistem distribusi air minum. Aspek keuangan yang dominan yaitu likuiditas termasuk didalamnya cash ratio dan efektifitas penagihan. Faktor dominan tersebut dari kedelapan BUMD diperoleh nilai yang mempengaruhi nilai kinerja BUMD sehingga masuk dalam kategori sehat, kurang sehat dan sakit. Kajian ini menghasilkan upaya yang perlu dilakukan untuk perbaikan kondisi kinerja BUMD kategori “sakit” dengan mengetahui faktor dominannya.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,037 | 0,018 |
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 ».