Pendekatan Metode Ward And Peppard Untuk Perencanaan Strategis Sistem Informasi DISPERINNAKER Kota Salatiga
Bibliographic record
Abstract
DISPERINNAKER Kota Salatiga merupakan instansi pemerintah yang bergerak pada bidang Perindustrian dan Ketenagakerjaan. Sistem informasi dan teknologi informasi (SI/TI) merupakan sarana untuk mencapai kesuksesan dalam menunjang keberhasilan visi dan misi pemerintah guna mewujudkan pemerintahan era digital. Namun, saat ini proses bisnis pada DISPERINNAKER belum semuanya didukung dengan penggunaan SI/TI, sehingga proses kinerjanya belum berjalan dengan efektif dan efisien. Maka dari itu diperlukannya sebuah perencanaan strategis SI/TI yang baik dan terencana. Penelitian ini menggunakan pendekatan metode Ward and Peppard yang terdiri dari Analisis SWOT dengan tambahan Matrik IFE dan EFE yang digunakan untuk mengevaluasi faktor-faktor internal dan eksternal dengan melihat kekuatan, kelemahan, peluang, dan ancaman utama dalam organisasi, Analisa Value Chain, Metode Critical Success Factors (CSFs) Berdasarkan IT Balanced Scorecard, dan Mc Farlan’s Strategic Grid yang akan menghasilkan gambaran kebutuhan sistem informasi, solusi, dan rekomendasi strategi sistem informasi yang nantinya dapat dirumuskan sebagai perencanaan strategi untuk rencana implementasi yang akan dilakukan dalam kurun waktu 4 (empat) tahun yang akan datang.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.029 | 0.005 |
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".