MétaCan
Menu
Retour à la cohorte
Enregistrement W2970214503 · doi:10.22219/avicennia.v2i1.8315

TINGKAT PENDAPATAN ANGGOTA LMDH “LANCAR JAYA” DARI SEKTOR PERTANIAN HORTIKULTURA DI DESA NGANCAR KECAMATAN NGANCAR KABUPATEN KEDIRI

2019· article· en· W2970214503 sur OpenAlexaff
Erda Risky Saputra, Tatag Muttaqin, Nugroho Tri Waskitho

Notice bibliographique

RevueJournal of Forest Science Avicennia · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Development and Management
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésHectareNonprobability samplingAgricultural scienceReceiptData collectionLikert scaleBusinessSocioeconomicsMarketingAgricultural economicsGeographyOperations managementMathematicsEngineeringAgricultureEconomicsStatisticsMedicineAccountingEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Abstraction This research was conducted on 10 November 2018 - 31 January 2019 in Ngancar Village, Ngancar District, Kediri Regency. The study was intended to determine the level of income of LMDH "Current Jaya" members in Ngancar Village. In addition, to find out the factors that influence the success of the Forest Village Society Institute (LMDH) program that has been carried out in increasing the income of members of farmer groups. The location of Ngancar Village is due to the fact that the area is one of the tourist areas which has a relatively large number of poor people. Methods of data collection in the form of primary data collected by direct observation techniques in the field with interviews, questionnaires, and documentation studies of respondents (farmer group members) obtained by purposive sampling method. Secondary data is collected by the technique of recording data that already exists in related institutions. The data obtained will be processed by calculation and tabulation. While in the method of data analysis, researchers used two ways, namely an analysis of economic success (income), and the success factor of LMDH. For data processing methods, the income questionnaire uses the farm income formula (π) which is the difference between total receipt (TR) and total cost (TC), while the questionnaire success factor LMDH uses a Likert Scale. Based on the results of the research conducted, Chili (Capsicum annum L) commodity was obtained 68 respondents with a total income of Rp. 3,337,850,000, with an average income per hectare of Rp. 49,086,030 in one planting season. While the commodity Tomato (Solanum lycopersicum L) obtained 47 respondents with a total income of Rp. 1,368,899,000, with an average income per hectare of Rp. 29,125,510 in one planting season.Keywords: income, factor, LMDH

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,051
Score d'incertitude au seuil0,170

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0510,006

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 Opus0,007
Tête enseignante GPT0,196
Écart entre enseignants0,189 · 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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Forest Science AvicenniaMême sujetAgricultural Development and ManagementTravaux en français237 207