Perancangan E-Voting Berbasis Web Pemilu Raya Bem Universitas Muhammadiyah Muara Bungo
Bibliographic record
Abstract
Salah satu cara penting untuk membuat keputusan dalam pemilihan, terutama tentang pendidikan tinggi, adalah dengan memilih menggunakan aplikasi evoting. Evoting adalah sistem pemilihan yang memungkinkan data disimpan, disimpan, dan diproses dalam bentuk informasi digital. Dengan kata lain, pemungutan suara adalah proses pemilihan yang dilakukan secara elektonik (digital) mulai dari pendaftaraan pemilih, pelaksanaan pemilihan, perhitungan suara, dan pengiriman hasil suara. Mahasiswa dapat menggunakan hak suaranya secara online dengan menggunakan e-voting. Meskipun e-voting berbasis web ini dapat dilakukan di mana pun, proses pemilihan tetap di bilik. Sistem ini terdiri dari tiga komponen penting: sistem pemilihan suara, sistem perhitungan suara, dan sistem cetak hasil pemilihan. Semua komponen ini mengumpulkan hasil e- voting di Universitas Muhammadiyah Muara Bungo. Tujuan dari pemungutan suara elektronik (e-voting) adalah untuk memungkinkan penghitungan suara yang cepat dan hemat biaya dengan menggunakan sistem yang aman dan mudah digunakan untuk pemeriksaan.
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 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.055 | 0.016 |
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".