SPK Pemilihan Komisaris Lapangan Berprestasi dengan Metode AHP, Studi Kasus: KOPDIT CU HATIRONGGA
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Komisaris lapangan di dalam koperasi merupakan sekelompok orang yang bersedia untuk melakukan kegiatan mengumpulkan dana para anggota koperasi di setiap daerahnya. Komisaris lapangan yang berkualitas akan memudahkan koperasi untuk mencapai tujuan koperasi. Untuk memotivasi komisaris bekerja lebih baik, maka koperasi akan memberikan penghargaan kepada komisaris yang berprestasi dalam pekerjaannya. Untuk menentukan perbandingan antar kriteria penilaian sering terjadi ketidakkonsistenan sehingga sulit untuk menentukan komisaris lapangan yang berprestasi. Tujuan dari penelitian ini adalah mengembangkan suatu sistem penunjang keputusan untuk pemilihan komisaris lapangan yang berprestasi pada Kopdit CU Hatirongga dengan menggunakan metode Analytical Hierarchy Process (AHP), dimana dapat dilakukan penilaian tingkat prioritas dari variabel-variabel yang diinginkan dengan membuat hirarki dari semua variabel yang ada. Hasil dari penelitian ini dapat membandingkan tiap-tiap kriteria dan diintegrasikan dengan penilaian kategori yang dibutuhkan sehingga menghasilkan sebuah alternatif keputusan berupa ranking penilaian prestasi komisaris lapangan berdasarkan nilai perbandingan kriteria.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.037 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it