MétaCan
Menu
Retour à la cohorte
Enregistrement W3114919860 · doi:10.20527/jiep.v1i2.1135

FAKTOR-FAKTOR YANG MEMPENGARUHI PENDAPATAN NELAYAN TANGKAP DI DESA TABANIO KECAMATAN TAKISUNG KABUPATEN TANAH LAUT

2019· article· en· W3114919860 sur OpenAlexaff
MUHAMMAD SAILLUDDIN

Notice bibliographique

RevueJIEP Jurnal Ilmu Ekonomi dan Pembangunan · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Agroindustry Studies
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésDepreciation (economics)FishingOpportunity costOperational costsAgricultural scienceBusinessOperations managementEconomicsAgricultural economicsFisheryEconomic growthEnvironmental science

Résumé

récupéré en direct d'OpenAlex

This research was conducted to know: the cost factor of care, operational cost, depreciation cost and the means of catching together to income and know the most dominant factor influence the catching fisherman income in Tabanio Village, Takisung Sub-District, Tanah Laut Regency.This thesis research uses quantitative method with numbers such as maintenance cost, operational cost, fishing gear and depreciation cost. Meanwhile, the data used to analyze the thesis is using cross section data. With primary material that is taken a direct data from source, that is obtained from direct interviews from fishing boat owner in Tabanio Village, Takisung District, Tanah Laut Regency.After doing research, it is known that simultaneously the cost factor of care, operational cost, depreciation cost and fishing gear have an effect on to catch fisherman income and appliance catch variable (X3) is the factor which has the most dominant influence to catch fisherman's income in Tabanio Village, Takisung District Tanah Laut District.Keywords:: Maintenance Cost, Operational Cost, Depreciation Cost, Fisherman's Income Catch

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,210
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,198
Écart entre enseignants0,186 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJIEP Jurnal Ilmu Ekonomi dan PembangunanMême sujetAgriculture and Agroindustry StudiesTravaux en français237 207