KONTRIBUSI USAHATANI KELAPA TERHADAP PENDAPATAN KELUARGA DI DESA KLABAT KECAMATAN DIMEMBE KABUPATEN MINAHASA UTARA
Notice bibliographique
Résumé
This study aims to find out: 1) The amount of average income of coconut farmers per quarter, 2) The amount of contribution of coconut farming to family income per quarter. Data collection in this study was conducted from October to November 2018 in Klabat Village, Dimembe District, North Minahasa Regency. The method used is the survey method, using primary data and secondary data. Primary data was obtained through direct interviews with 25 coconut farmers and one person from the Klabat Village based on a list of questions that had been prepared previously. Secondary data in this study were sourced from local bookstores, and the internet through Google Scholar to access articles from various scientificjournals and theses from Sam Ratulangi University and other universities related to the contribution of coconut farming to family income. The data obtained were analyzed using contribution analysis and using descriptive analysis presented in table form. The results showed that the amount of income received by coconut farmers was Rp. 1,837,320. While the contribution of coconut farming to household income is 27.45%. This means that coconut farming provides a moderate contribution and cannot be used as the main source of household income in Klabat Village.*eprm*
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 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 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 ».