ANALISIS EFISIENSI TEKNIS USAHATANI PADI DI JAWA DAN LUAR JAWA : PENDEKATAN DATA ENVELOPMENT ANALYSIS (DEA)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Efficiency is an important aspect for farmer that can be used as a measuring tools to make a decision regarding production among available options. The objectives of this research is to evaluate the technical efficiency of paddy farming, and to identify the factors that influence the technical efficiency of paddyfarms in Jawa and outside Jawa. To analyzed the data, data envelopment analysis (DEA) approach and tobit regression were applied. Farmers were not use the the right amount of inputs as being recommended by the instructor, such as the use of seed, fertilizer NPK and urea. The use of Urea, NPK, and labor had the largest percentage of input slacks when compared to the other production inputs. Farmers in Jawa could reduce the use of urea by 6.75 kg, NPK by 14.96 kg, and labor by 7.45 HOK and farmers in outside Jawa could reduce the use of urea by 32.37 kg, NPK by 6.01 kg, and labor by 15.93 HOK to make the paddy farm technically efficient. One of the factors that can greatly influence the improvement of farming technical efficiency is the socio-economic factors. Factors that affecting the technical efficiency of paddy farm in Jawa were the age, the level of formal education, member of Farming group and the number of members in the household, and do not significantly affect the technical efficiency of paddy farm is acces formal finance, and ectention. Factors that affecting the technical efficiency of paddy farm in outside Jawa were the age, the level of formal education, and member of Farming group and, and do not significantly affect the technical efficiency is the number of members in the household, acces formal finance, and ectention.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 découle