MétaCan
Menu
Retour à la cohorte
Enregistrement W2794760312 · doi:10.34203/jimfe.v3i2.645

ANALISIS PENDAPATAN DAN FAKTOR-FAKTOR SOSIAL EKONOMI YANG MEMPENGARUHI HASIL PRODUKTIVITAS PENGELOLA USAHATANI PADI SAWAH KABUPATEN CIANJUR

2018· article· id· W2794760312 sur OpenAlexaff
Harmoko Sukayat, Rumna Rumna

Notice bibliographique

RevueJIMFE (Jurnal Ilmiah Manajemen Fakultas Ekonomi) · 2018
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésMathematicsAgricultural scienceEnvironmental science

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0140,003

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,287
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJIMFE (Jurnal Ilmiah Manajemen Fakultas Ekonomi)Même sujetSMEs Development and Digital MarketingTravaux en français237 207