Evaluasi Konsumen di "RM. Pak Kardi" Pemalang dengan Analisis Diskriminan
Bibliographic record
Abstract
Penelitian ini bertujuan mengetahui apakah ada perbedaan yang siqnifikan dalam variabel dependen (Y) yang meliputi konsumen sering Beli (YO), Cukup (Y I) dan Jarang Beli (Y2), serta bertujuan mengetahui perilaku konsumen yang benar-benar berbeda, perbedaan dalam arti perilaku mereka sering membeli, cukup dan jarang membeli. Metode analisis yang digunakan adalah dengan Wilk's Lambda, Pairwise, F test. Canonical corellation, untuk mencari ada dan tidak perbedaan antar group variabel dependen dan menginterpretasikan berdasarkan function at group centroid untuk mengetahui variabel independen mana yang menjadi faktor diskriminannya. Hasil yang didapat dari penelitian ini adalah bahwa variabel menu merupakan faktor pembeda (diskriminan). Artinya konsumen grup (sering beli, cukup dan jarang beli) tidak terpengaruh dengan usia, harga, pendapatan, dan pelayanan yang diberikan oleh RM. Pak Kardi ditunjukkan dengan tanda (+) padafunction I. Jadi konsumen yang membeli di RM. Pak Kardi adalah mereka yang benar-benar menyukai menu (masakan khas kepiting) RM. Pak Kardi. Jarak antara grup Sering Beli dengan grup Jarang Beli adalah yang terbesar, yakni 7,350. Sedangkan jarak terkecil adalah antara grup Cukup dengan grup Jarang Beli (0.522). Dengan demikian dapat dikatakan bahwa Konsumen di grup Sering Beli paling berbeda selera Menu masakannya. Sebaliknya Menu yang disukai oleh konsumen di RM. Pak Kardi yang termasuk konsumen Cukup mempunyai perbedaan yang kecil dengan mereka yang jarang membeli
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.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.011 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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 itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".