ANALISIS KEPUASAN IMPORTIR BUAH (APEL,PIR DAN JERUK) \nTERHADAP PELAYANAN PT. TERMINAL PETIKEMAS SURABAYA
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
International trade is generally carried out through the port because it is \nalways in large numbers to supply the people needed. Tanjung Perak Harbor is the \nlargest port in East Java, managed by PT. Terminal Petikemas Surabaya. The highest \nvolume of fruit imports are apples, oranges and pears from various countries such as \nChina, the United States, and Canada. Services of PT. Terminal Petikemas Surabaya \nhas a big effect on service users or consumers, in this case is the fruit importer. The \ntime proceed to entry of commodities at the port affects the stability of prices at the \nconsumer level. \nThe purpose of this study was to determine the satisfaction of importers with \nthe services of PT. Surabaya Container Terminal and analyzed the effect of service \nquality on the satisfaction of importers of apples, oranges and pears. There are 50 \ncompanies selected using the Purposive Random Sampling method. While the \nanalysis uses Multiple Linear Regression. \nThe results showed that there were 4 (four factors) which had a significant \neffect on importer satisfaction, Such as responsiveness, empathy, assurance and \nphysical evidence. The reliability factor does not significantly influence the \nsatisfaction of the importer. All the 5 (five) independent variables that affect 68.5% of \nimporter satisfaction. As many as 31.5% of other factors were not included in this \nstudy.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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