IDENTIFIKASI HAMA PADA TANAMAN KEDELAI DENGAN MENGGUNAKAN METODE FUZZY
Notice bibliographique
Résumé
Kedelai adalah komoditas pangan utama di Indonesia selain padi dan jagung. Permintaan akan kedelai semakin meningkat karena kedelai mampu menjadi alternatif bagi masyarakat yang berminat pada makanan berprotein nabati rendah kolestrol. Namun bila dilihat dari hasil produksinya masih belum memuaskan. Hal ini disebabkan oleh berbagai faktor, salah satunya gangguan hama dan penyakit. Dalam mengidentifikasi hama, petani mengalami kesulitan. Gejala-gejala serangan yang terlihat juga memperlihatkan kesamaan bahkan gejala antara hama dengan penyakit yang hampir sama. Morfologi yang sama dari beberapa jenis hama yang berbeda juga mempengaruhi proses identifikasi. Metode yang digunakan adalah fuzzy, hal ini dilakukan karena parameter-parameter yang digunakan dalam penelitian ini (morfologi hama, gejala dan tingkat kerusakan) adalah variable kualitatif yaitu variable yang menunjukkan suatu intensitas yang sulit diukur memiliki sifat ambiguitas (tidak crips). Hasilnya metode fuzzy dapat mengidintifikasi hama pada tanaman kedelai dengan tingkat akurasi 77.78 %.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».