Faktor - Faktor Yang Memengaruhi Produksi Jagung Di Kecamatan Tanah Jawa Kabupaten Simalungun
Notice bibliographique
Résumé
Tujuan penelitian adalah untuk menganalisis dan mengkaji secara mendalam serta untuk lebih memahami pengaruh lahan, tenaga kerja, varietas benih, pupuk dan obat-obatan terhadap produksi jagung di Kecamatan Tanah Jawa Kabupaten Simalungun. Metode yang digunakan dalam penelitian ini adalah metode survei dengan teknik regresi berganda bersifat kuantitatif dan merupakan kausal-komparatif. Sampel dalam penelitian ini adalah petani jagung sebanyak 164 orang. Dalam tahapan analisis data, peniliti memanfaatkan bantuan komputer menggunakan program SPSS 21. Untuk melihat bagaimana pengaruh lahan, tenaga kerja, varietas benih, pupuk dan obat-obatan terhadap produksi jagung dipakai persamaan regresi linier ganda. Hasil analisis dengan menggunakan model persamaan regresi menunjukkan angka positif, berarti secara simultan lahan, tenaga kerja, varietas benih, pupuk dan obat-obatan secara positif dan signifikan berpengaruh terhadap produksi jagung di Kecamatan Tanah Jawa Kabupaten Simalungun. Produksi jagung masih dapat ditingkatkan dengan meningkatkan faktor-faktor produksi baik secara bersamaan maupun secara parsial sehingga diharapkan kepada pihak-pihak terkait agar mengolah dan membuat proporsi penggunaan faktor-faktor produksi yang proporsional, dengan demikian usahatani jagung yang dijalankan bisa berada pada constant return to scale, sehingga target swasembada jagung bisa tercapai
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 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) | 0,024 | 0,004 |
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 ».