MétaCan
Menu
Retour à la cohorte
Enregistrement W7104436118 · doi:10.64803/juikti.v1i2.49

Pengaruh Penerapan IT Governance Terhadap Efektivitas Pengelolaan Sistem Informasi Manajemen

2025· article· W7104436118 sur OpenAlexaff

Notice bibliographique

RevueJurnal Ilmu Komputer dan Teknik Informatika · 2025
Typearticle
Langue
DomaineBusiness, Management and Accounting
ThématiqueInformation Technology Governance and Strategy
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésCOBITInformation systemInformation technologyInformation management

Résumé

récupéré en direct d'OpenAlex

Penerapan IT Governance menjadi salah satu faktor kunci dalam meningkatkan efektivitas pengelolaan Sistem Informasi Manajemen (SIM) di berbagai organisasi. Dalam era digital saat ini, kebutuhan akan tata kelola teknologi informasi yang baik semakin penting untuk menjamin keberlangsungan operasional, peningkatan kualitas layanan, serta pencapaian tujuan strategis organisasi. Penelitian ini bertujuan untuk menganalisis sejauh mana penerapan IT Governance berpengaruh terhadap efektivitas pengelolaan SIM. Metode penelitian yang digunakan adalah studi literatur dan survei terhadap beberapa organisasi yang telah menerapkan IT Governance dengan mengacu pada kerangka kerja seperti COBIT dan ITIL. Hasil penelitian menunjukkan bahwa adanya penerapan IT Governance yang terstruktur mampu meningkatkan efisiensi proses bisnis, kualitas pengambilan keputusan berbasis data, serta meningkatkan kepercayaan pengguna terhadap sistem yang digunakan. Selain itu, IT Governance juga terbukti dapat meminimalisir risiko kegagalan sistem dan meningkatkan kepatuhan terhadap standar maupun regulasi yang berlaku. Dengan demikian, dapat disimpulkan bahwa penerapan IT Governance memiliki pengaruh signifikan terhadap efektivitas pengelolaan SIM, khususnya dalam mendukung tercapainya visi, misi, dan tujuan organisasi secara lebih optimal.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Communication savante
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,874
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,000
Communication savante0,0040,023
Science ouverte0,0030,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,218
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Ilmu Komputer dan Teknik InformatikaMême sujetInformation Technology Governance and StrategyTravaux en français237 207