STRATEGI PENGEMBANGAN KAWASAN PERTANIAN PADI BERBASIS PREFERENSI PETANI DAN SUMBERDAYA LAHAN DI KABUPATEN BANGKA SELATAN
Notice bibliographique
Résumé
Sebagai penghasil padi terbesar di Provinsi Kepulauan Bangka Belitung, Kabupaten Bangka Selatan belum mampu mencapai swasembada beras. Meningkatnya aktivitas penambangan timah dan perkebunan di wilayah ini memicu petani padi untuk beralih profesi menjadi penambang timah atau bekerja di sektor penunjang pertambangan timah. Diperlukan strategi yang tepat untuk mengantisipasi permasalahan terkait ketahanan pangan tersebut. Penelitian ini bertujuan: (1) menganalisis prioritas strategi pengembangan pertanian padi berdasarkan hirarki preferensi petani, (2) mengidentifikasi sumberdaya lahan tersedia untuk pengembangan pertanian padi berbasis interpretasi citra Landsat dan evaluasi kesesuaian lahan, serta (3) menyusun arahan pengembangan lahan pertanian padi di Kabupaten Bangka Selatan. Dua strategi utama yang diprioritaskan petani adalah pengembangan infrastruktur pertanian dan sarana-prasarana produksi padi. Strategi penting lainnya yang dipilih petani daerah cukup berkembang adalah peningkatan pemasaran hasil, sedangkan petani daerah belum berkembang lebih memilih peningkatan insentif dari pemerintah. Sumberdaya lahan yang sesuai untuk budidaya padi ladang teridentifikasi berkelas S1 dan S3 masing-masing seluas 8,460 dan 12,630 ha, sedangkan untuk padi sawah berkelas S1, S2 dan S3 masing-masing seluas 8,680; 30 dan 3,070 ha. Strategi pengembangan di daerah cukup berkembang terutama diarahkan untuk peningkatan produktivitas usahatani, sedangkan di daerah berkembang untuk melindungi eksistensi aktivitas pertanian padi.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».