Sistem Pengambilan Keputusan Penentuan Prioritas Pekerjaan Smart City Menggunakan Metode Analytic Hierarchy Process (AHP), Studi Kasus Kabupaten Kotabaru
Notice bibliographique
Résumé
Transformasi digital melalui pengembangan Smart City menjadi salah satu strategi utama dalam meningkatkan efisiensi tata kelola, kualitas pelayanan publik, dan daya saing daerah. Kabupaten Kotabaru telah menyusun Masterplan Smart City dengan berbagai program strategis. Namun, keterbatasan sumber daya menuntut adanya penentuan prioritas pekerjaan yang sistematis. Penelitian ini bertujuan menentukan urutan prioritas pekerjaan berdasarkan metode Analytic Hierarchy Process (AHP). Tiga kriteria utama yang digunakan adalah urgensi, dampak strategis, dan ketergantungan antar kegiatan. Diperoleh Nilai Prioritas AHP yaitu tinggi (AHP > 0.11), sedang (0.09 ≤ AHP ≤ 0.11) dan rendah (AHP < 0.09). Nilai hasil uji consistency ratio (CR) < 0,1 menunjukkan hasil yang dapat diterima dan reliabel. Berdasarkan hasil AHP, pembentukan kelembagaan Smart City menempati prioritas tertinggi, diikuti finalisasi SOP dan e-Gov. Hasil penelitian ini diharapkan dapat dijadikan acuan kuantitatif dalam pengambilan keputusan bagi pemerintah daerah untuk mengoptimalkan alokasi sumber daya dan memastikan inisiatif Smart City dapat dijalankan secara efektif.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».