METODE SSA PADA DATA PRODUKSI PERIKANAN TANGKAP DI PROVINSI JAWA BARAT
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Indonesia is an archipelagic country where 2/3 of its territory is ocean. The vastness of Indonesia's oceans is expected to produce abundant sea products that can meet the needs of Indonesian consumers, especially fish. Adequacy of the amount of fish consumption can be assessed through the number of fish catch. Based on data at the Ministry of Marine Affairs and Fisheries in 2015, West Java has a low growth of fish consumption, 6.05% in 2010-2014. Therefore, it is necessary to forecast the results of fish catch for several years ahead so it can be known whether the provision of fish consumption will be fulfilled or not. One method that can be used is Singular Spectrum Analysis (SSA). The SSA method is a flexible method because it uses a nonparametric approach. That is, in its application, this method does not require the model specification of time series data, as well as parametric assumptions. Forecasting accuracy of a method is said to be good if it has a MAPE value less than 20%. MAPE of SSA method forecast is 6.19% so that SSA method is suitable for forecasting of capture fishery production in West Java Province. The forecast for fishery production in West Java Province in 2015 for the first, second, third, and fourth quarter were 53,978.49 Ton, 54,406.91 Ton, 50,889.11 Ton, and 56,896.96 Ton, respectively.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle