MétaCan
Menu
Retour à la cohorte
Enregistrement W3084323461 · doi:10.17844/jphpi.v23i2.31124

Daya Dukung Bahan Baku Industri dan UMKM Berbasis Potensi Stok pada Wilayah Pengelolaan Perikanan

2020· article· id· W3084323461 sur OpenAlexaff
Yonvitner Yonvitner, Mennofatria Boer, Rahmat Kurnia

Notice bibliographique

RevueJurnal Pengolahan Hasil Perikanan Indonesia · 2020
Typearticle
Langueid
DomaineEnvironmental Science
ThématiqueMarine and Coastal Ecosystems
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysics

Résumé

récupéré en direct d'OpenAlex

Kebijakan pemerintah dalam pengelolaan perikanan berbasis Wilayah Pengelolaan Perikanan (WPP) termasuk pada pengolahan yang menyangkut bahan baku. Potensi stok ikan lestari (maximum sustainable yield) merupakan potensi yang siap produksi sebagai konsumsi dan bahan baku olahan industri pengolahan. Penelitian ini bertujuan untuk menentukan besaran stok yang tersedia di setiap WPP sebagai indikator daya dukung bahan baku untuk industri perikanan. Penelitian yang dilaksanakan tahun 2016 ini menggunakan data series 2010-2015 untuk pendugaan kapasitas bahan baku UMKM, dan data 2015-2016 untuk data kapasitas kebutuhan industri. Analisis mencakup ketersediaan bahan baku (stok pada MSY), kebutuhan bahan baku, dan daya dukung terhadap industri secara berkelanjutan dalam setahun. Daerah dengan potensi bahan baku tertinggi adalah WPP 718 yang mampu menopang lebih dari 600 UMKM, dan Industri. Rasio kebutuhan bahan baku industri 34,85% dan UMKM 65,15% dengan total bahan baku 5,05 juta ton. Potensi stok pada MSY sebesar 80% dari stok mampu mendukung 80 industri dan 3031 unit UMKM (total 3111 unit) usaha pengolahan ikan. Jumlah ini lebih rendah dari kondisi saat ini, dimana ada 650 lebih unit Industri, 6350 lebih unit UMKM. Artinya jumlah bahan baku yang tersedia tidak mencukupi untuk mendukung industri yang ada. Untuk menjamin tersedianya stok pada tiap WPP ke depan perlu perencanaan yang lebih baik. Strategi yang dapat dipilih adalah melakukan rasionalisasi industri, bukan impor ikan atau memperkuat sumber bahan baku dari budi daya ikan laut dan air tawar.

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)0,005
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0200,007

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 Opus0,019
Tête enseignante GPT0,214
Écart entre enseignants0,195 · 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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Pengolahan Hasil Perikanan IndonesiaMême sujetMarine and Coastal EcosystemsTravaux en français237 207