ANALISIS PENJADWALAN WAKTU KERJA PROYEK MENGGUNAKAN METODE CPM PADA PEMBANGUNAN PROYEK GEDUNG DPRD KABUPATEN SLEMAN, YOGYAKARTA
Bibliographic record
Abstract
Pelaksanaan sebuah proyek membutuhkan penjadwalan pelaksanaan proyek agar dapat diketahui durasi pelaksanaan proyek. Penjadwalan proyek merupakan salah satu bagian dari perencanaan sebuah proyek, dan merupakan pengalokasian waktu yang tersedia untuk melaksanakan setiap kegiatan proyek untuk mencapai hasil yang optimal. Tujuan penelitian ini untuk mengetahui jumlah durasi optimal proyek pembangunan Kantor DPRD Kabupaten Sleman, Yogyakarta menggunakan metode CPM. Critical Path method (CPM) atau metode lintasan kritis merupakan salah satu metode penjadwalan yang berorientasi dalam menentukan posisi waktu yang paling optimal. Alat bantu yang digunakan dalam penentuan kegiatan kritis berupa Software Microsoft Project 2016, Durasi yang digunakan untuk Analisa pekerjaan yaitu durasi dari hasil wawancara, dan studi kasus yang diambil adalah Gedung Kantor DPRD Kabupaten Sleman, Yogyakarta. Berdasarkan hasil penjadwalan ulang dengan menggunakan metode lintasan kritis lebih optimal dibandingkan dengan durasi rencana proyek. Durasi optimal dalam mempercepat penyelesaian pekerjaan proyek adalah 315 hari dari durasi wawancara 357 hari dengan efisiensi waktu 11,8 % dan dapat diketahui item pekerjaan yang kritis atau pekerjaan yang memerlukan pengawasan agar tidak terjadi pennundaan dan keterlambatan
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 | 0.009 |
| 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 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.023 | 0.004 |
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".