ANALISIS PENDAPATAN DAN FAKTOR-FAKTOR SOSIAL EKONOMI YANG MEMPENGARUHI HASIL PRODUKTIVITAS PENGELOLA USAHATANI PADI SAWAH KABUPATEN CIANJUR
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
Penelitian dilaksanakan di empat kecamatan yaitu Kecamatan Cipanas, Kecamatan Ciranjang, Kecamatan Karangtengah dan Kecamatan Cilaku. Sedangkan sebagai sampel dalam penelitian ini diambil 10 pengelola usahatani yang memiliki lahan usahatani di Kecamatan Cipanas yaitu Desa Cipanas dan Desa Cimacan, Kecamatan Ciranjang yaitu Desa Ciranjang dan Desa Mekarwangi, Kecamatan Karangtengah yaitu Desa Sabandar dan Desa Bojong dan Kecamatan Cilaku yaitu Desa Cilaku dan Desa Munjul yang akan diperoleh responden sejumlah 80 responden. Metode yang digunakan untuk menganilisis data adalah Analisis dengan menggunakan Analisis Pendapatan untuk menghitung hasil produktivitas pengelolaan usahatani padi sawah dan Metode korelasi regresi linier berganda dan Uji hipotesis untuk melihat pengaruh faktor-faktor sosial ekonomi terhadap hasil produktivitas dalam pengelolaan usahatani padi sawah di Kabupaten Cianjur. Total Produktivitas selama 3 musim tanam total luas sawah seluas 841.695 m2 dan hasil produksi sebesar 523.740 kg. Produktivitas yang diperoleh adalah sebesar Rp. 1.888.164.000,- dan total biaya tetap serta variabel sebesar Rp. 959.672.677,- maka dihasilkan pendapatan bersih sebesar Rp. 964.682.989,-. Keuntungan rata-rata dari total luas lahan sebesar 841.695 m2 memperoleh tingkat keuntungan sebesar Rp. 1.146,12 per m2. Faktor yang berpengaruh secara signifikan secara bersama-sama terhadap terhadap variabel produktivitas (Y) adalah variabel luas lahan (X1), status lahan (X2), pendidikan (X3), pengalaman (X4), tenaga kerja (X5), modal kerja (X6) dan biaya tahunan (X7).Kata Kunci: Pengelola Usahatani, Pendapatan, Faktor Sosial Ekonomi
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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