Pelatihan dan Pendampingan Optimasi Website Bagi Pengelola Desa Pulau Mubut
Bibliographic record
Abstract
Salah satu media promosi berupa website Desa Wisata Pulau Mubut telah selesai dibuat di kegiatan pengabdian Politeknik Negeri Batam pada tahun 2021. Sebagai tindak lanjut dari kegiatan ini, maka pengabdian tahun 2022 perlu untuk mengoptimalkan media promosi website tersebut yang rencananya juga akan diimplementasikan di tahun 2022. Oleh karena ke depannya yang akan mengelola website Desa Wisata ini adalah pengelolanya, maka sangat penting untuk melatih pengelola ini agar bisa dan mahir dalam mengoptimasinya. Optimasi website yang akan dilakukan menggunakan teknik Search Engine Optimization (SEO). Terlebih dahulu pelatihannya akan mendatangkan narasumber praktisi SEO. Selain pelatihan dengan narasumber, juga akan dibuatkan video pembelajaran dengan melibatkan mahasiswa Project Based Learning (PBL). Media pembelajaran ini nanti juga akan diberikan ke pengelola sebagai investasi pengetahuan ke depannya jika ada yang terlupa. Selama optimasi ini, data analitik websitenya juga akan dikumpulkan dengan memanfaatkan tool HiStats, sebagai bahan data evaluasi. Sebagai bahan evaluasi kegiatan pengabdian ini, akan ditinjau kemampuan pengelola dalam mengoptimasi websitenya dengan melihat kondisi website setelah pelatihan. Selain itu, mengumpulkan data pencapaian pengunjung website sebelum dioptimasi dan sesudah dioptimasi, untuk kemudian dianalisis peningkatannya. Hasilnya, website berada di urutan atas mesin pencarian, dan jumlah pengunjung website desa wisata Pulau Mubut akan meningkat secara signifikan.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.030 | 0.009 |
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".