Kajian Manajerial Efektifitas Pemeliharaan Jaringan Distribusi Menggunakan Uji ANOVA
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
PT PLN (Persero) adalah perusahaan listrik di Indonesia yang mendukung sektor pembangunan dan industri. Untuk memenuhi kebutuhan listrik tentunya diperlukan kehandalan jaringan listrik agar pasokan listrik ke pelanggan tetap terjaga. Kestabilan serta Keandalan jaringan distribusi untuk sistem kelistrikan bergantung pada beberapa faktor, di antaranya adalah kualitas material dan bahan, cara pemeliharaan, cara pola operasi, peralatan pengaman atau proteksi yang digunakan serta konfigurasi jaringan listrik. Salah satu cara yang dilakukan untuk mempertahankan pelayanan listrik adalah dengan dengan dilakukan pemeliharaan jaringan distribusi.  Setelah dilakukan pemeliharaan perlu dilakukan evaluasi terhadap kegiatan pemeliharaan yang telah dilakukan, apakah kegiatan pemeliharaan tersebut memiliki dampak atau tidak. Agar mengetahui apakah pemeliharaan yang dilakukan berdampak atau tidak salah satu metode yang bisa dilakukan secara statistic adalah melalui uji ANOVA. Diharapkan dengan adanya uji ini memberikan gambaran bagaimana kegiatan pemeliharaan memiliki dampak atau tidak terhadap keuntungan.  Untuk ilmiah ini sumber data yang digunakan adalah sample atau contoh. Dari hasil pengujian diperoleh hasil minitab didapatkan p value sebesar 0.000 < α = 0.05, maka H0 ditolak. Artinya kegiatan pemeliharaan menmpengaruhi pendapatan perusahaan. Jadi faktor pemeliharaan mempengaruhi pendapatan perusahaan. Dengan perluasan dan jaringan
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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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