MétaCan
Menu
Retour à la cohorte
Enregistrement W3134436819 · doi:10.20961/sepa.v17i2.40066

ANALISIS OPTIMASI PENGGUNAAN FAKTOR PRODUKSI KOPI BUBUK PADA AGROINDUSTRI XYZ DI KOTA JAMBI

2021· article· en· W3134436819 sur OpenAlexaboutno aff
Riri Oktari Ulma, Dewi Sri Nurchaini, Yusma Damayanti

Notice bibliographique

RevueSEPA Jurnal Sosial Ekonomi Pertanian dan Agribisnis · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Research and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRaw materialCoffee shopAgricultural scienceProduction (economics)Quarter (Canadian coin)Green coffeeMathematicsCoffee groundsCoffee beanCOCOA BEANResearch ObjectToxicologyFood scienceEnvironmental scienceBusinessGeographyBiologyEconomicsAdvertising

Résumé

récupéré en direct d'OpenAlex

This research aims to determine the influence of the factors of production of raw materials (coffee beans) and labor in the coffee ground agroindustry in Jambi City, analyze the level of optimization or economic efficiency of the use of coffee bean production factors and labor in the coffee ground agroindustry and determine the use of production factors optimal coffee beans and labor in the coffee ground agroindustry. This research was conducted for six (6) months from April to September 2019. The research subjects were the owner of the ground coffee business and the object of research was ground coffee produced in various types of packaging. 1 month, starting June 2019 until July 2019. Based on the research results physical/technical addition of raw materials for coffee beans and labor per quarter influences the increase in ground coffee production. Each additional raw material for coffee beans by 10% will increase the production of ground coffee by 4.09%, while the addition of labor will increase the production of ground coffee by 4.14%. The use of coffee bean raw material production factors can be added up to an optimal limit of 28,876.35 kg/quarter or there is an increase of 23.68% of the actual use. In one month the optimal limit is the amount of raw material used to be 9,625.45 kg or 385.02 kg per day. The use of labor can be added up to an optimal limit of 114 working people (HOK) or an increase of 25.30% of the actual use of labor. Calculated in working hours, the optimal use of working hours is 17,100 working hours per quarter or 5,700 working hours per month. Within one workday the limit for the optimal use of work is 228 hours with the number of workers being ± 38 people. The optimum amount of production is 27,354.32 / quarter, an increase of 5,165.02 kg (23.28%) of actual production. The optimum profit increased by Rp 335,257,566.67 or 23.68% of the actual profit.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,029
Tête enseignante GPT0,251
Écart entre enseignants0,222 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSEPA Jurnal Sosial Ekonomi Pertanian dan AgribisnisMême sujetAgricultural Research and PracticesTravaux en français237 207