Preperensi Konsumen dalam Pembelian Sayuran Penelitian di Wilayah (BKPP) Cirebon
Notice bibliographique
Résumé
Kebutuhan kecukupan gizi masyarakat, dapat dilihat dari besarnya jumlah konsumsi sayuran per hari. Sumber vitamin dan mineral serta unsur mikro, pembentuk tubuh tersedia dalam produk sayuran. Penelitian ini bertujuan untuk mengetahui preperensi konsumen pembelian sayuran, dan faktor-faktor yang mempengaruhi keputusan konsumen dalam pembelian sayuran. Di satu sisi para pelaku usahatani sayuran menanam komoditas yang dibutuhkan masyarakat, dijual atas permintaan pasar. Di sisi lain sebagai informasi bagi para produsen sayuran untuk menghindari terjadinya keruahan produksi, supley yang berlebihan dan mengurangi terjadinya resiko harga pasar yang rendah. Penelitian dilaksanakan Wilayah Kerja Badan Koordinasi Penyelengaraan Pembangunan (BKPP) Cirebon, meliputi Kabupaten dan Kota Cirebon, Kabupaten Indramayu, Kabupaten Majalengka dan Kabupaten Kuningan, Provinsi Jawa Barat. Metoda penelitian survey, dengan teknik analisis deskriptif kualitatif. Penentuan sampel daerah berdasarkan stratifaid random sampling, yaitu menetapkan keterwakilan wilayah dengan kataristik masyarakat yang berbeda. Masyarakat yang bermukim di kawasan pegunungan ditetapkan di Kuningan dan masyarakat yang bermukim di kawasan pantai ditetapkan Kota Cirebon. Teknik penetapan sampel non peluang dengan metode accidental sampling (teknik pengambilan sampel berdasarkan kebetulan). Objek penelitian adalah konsumen yang sedang membeli atau telah membeli sayuran di Pasar Kepuh Kuningan dan di Pasar Jagasatru Cirebon. Hasil penelitian menunjukkan bahwa : Faktor lingkungan berpengaruh terhadap pembelian sauran di Kota Kuningan katagori tinggi dengan factor loading 0,80 dan di Kota Cirebon katagori sedang (0,70). Faktor psikologist yang berpengaruh terhadap pembelian sayuran di Kota Kuningan dan di Kota Cirebon sama-sama dalam kategori sedang dengan factor loading (0,70). Faktor atribut yang berpengaruh terhadap pembelian sayuran di Kota Kuningan katagori sedang dengan factor loading 0,73 dan di Kota Cirebon katagori tinggi dengan factor loading (0,81)
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,006 |
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.
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 ».