Peramalan Produksi Beras di Provinsi Jawa Tengah
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
Ketersediaan beras lokal perlu diprediksi untuk memenuhi kebutuhan pasokan beras di Indonesia. Jawa Tengah sebagai penghasil beras terbesar ketiga di Indonesia merupakan salah satu penopang kebutuhan beras nasional. Besarnya produksi pangan di Indonesia menjadi faktor penting dalam penentuan persediaan pangan yang tepat. Peramalan produksi beras di Jawa Tengah menjadi diperlukan untuk mengetahui kondisi pangan ke depan. Tujuan penelitian ini adalah untuk mengembangkan model peramalan produksi beras di provinsi Jawa Tengah dan mengetahui perkiraan produksi beras di Provinsi Jawa Tengah 5 tahun ke depan. Metode time series forecasting digunakan dalam penelitian ini. Data yang digunakan dalam penelitian ini adalah data hasil produksi beras dari tahun 1993 hingga tahun 2020. Dari hasil uji fungsi auto korelasi diketahui bahwa data produksi memiliki pola data tren. Metode yang digunakan dalam penelitian ini adalah metode double exponential smoothing dengan dua parameter (Holt’s Methods). Model peramalan yang optimal didapatkan dengan bantuan software solver pada Microsoft Excel. Dengan menggunakan bantuan solver Microsoft Excel diperoleh nilai konstanta optimal α sebesar 0,767 dan β sebesar 0,412 dengan nilai Mean Absolute Precentage Error sebesar 4,82%. Hasil peramalan dari tahun 2021 hingga 2025 diketahui menurun setiap tahunnya. Rata-rata penurunan produksi beras dalam 5 tahun ke depan diperkirakan sebanyak 4,4% per tahunnya.
 Kata kunci: beras, exponential smoothing, Jawa Tengah, peramalan
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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