Pengaruh Service Quality terhadap Destination Loyalty melalui Mediasi Destination Image pada Destinasi Wisata Wakatobi
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk mengetahui dan menganalisis pengaruh kualitas layanan \nterhadap loyalitas destinasi melalui mediasi kesan destinasi pada destinasi wisata \nWakatobi. Objek yang diambil adalah destinasi wisata Wakatobi. Pengolahan data \npenelitian dilakukan dengan Software IBM SPSS Statistics 20 serta AMOS 20. Teknik \npengambilan sampel adalah non-probability sampling dengan jenis purposive sampling. \nJumlah sampel pada penelitian adalah sejumlah 150 responden. Responden yang \ndigunakan dalam penelitian adalah responden dengan karakteristik populasi pria atau \nwanita, pernah mengunjungi destinasi wisata Wakatobi dalam 2 tahun terakhir, memiliki \npendidikan terakhir minimal SMA/SMK/Sederajat. Data penelitian diperoleh dari \npenyebaran kuesioner secara offline. Hasil penelitian menunjukkan bahwa Kualitas \nLayanan memiliki pengaruh signifikan terhadap Kesan Destinasi. Kesan Destinasi \nmemiliki pengaruh signifikan terhadap Loyalitas Destinasi. Kesan Destinasi memediasi \nsecara signifikan pengaruh assurance, responsiveness, reliability, tangible facilities dan \nempathy terhadap Loyalitas Destinasi pada destinasi wisata Wakatobi.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,066 | 0,008 |
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 ».