Kearifan Lokal Masyarakat Dalam Upaya Pengelolaan Sumberdaya Air Desa Lerep,Kecamatan Ungaran Barat, Kabupaten Semarang
Notice bibliographique
Résumé
ABSTRACTLerep Village, West Ungaran District, Semarang Regency is located not far from the of Ungaran City, it has the potential of agriculture, plantations and tourist villages. In addition to this potential, Lerep Village has a local wisdom practiced by the community for generations. The Iriban tradition is one of the local wisdoms aimed at managing water resources in Lerep Village. This study aims to find forms of local wisdom in efforts to manage water resources. The research method used is to use qualitative methods with a rationalistic approach. The rationalistic approach emphasizes reason in an analysis process. The conclusion of this research is form of local wisdom Iriban is a community effort in managing water resources for community life both for household and agricultural interests.Keywords: wisdom, local, management, water resources. ABSTRAK Desa Lerep, Kecamatan Ungaran Barat, Kabupaten Semarang letaknya tidak jauh dari pusat kota Ungaran, memiliki potensi pertanian, perkebunan dan desa wisata. Selain potensi tersebut, Desa Lerep memiliki kearifan lokal yang dilakukan masyarakat secara turun temurun. Tradisi Iriban merupakan salah satu kearifan lokal yang bertujuan dalam pengelolaan sumberdaya air di Desa Lerep. Penelitian ini bertujuan menemukan bentuk kearifan lokal dalam upaya pengelolaan sumberdaya air. Metode penelitian yang digunakan adalah menggunakan metode kualitatif dengan pendekatan rasionalistik. Pendekatan rasionaltistik menekankan akal dalam suatu proses analisis. Kesimpulan dari penelitian ini adalah bentuk kearifan lokal Iriban merupakan upaya masyarakat dalam mengelola sumberdaya air bagi kehidupan masyarakat baik untuk kepentingan rumah tangga,maupun pertanian.Kata kunci : kearifan, lokal, pengelolaan, sumberdaya air.
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 | 0,000 |
| 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 | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,002 |
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 ».