MétaCan
Menu
Retour à la cohorte
Enregistrement W3194460482 · doi:10.36764/ja.v4i1.306

ANALISIS HUBUNGAN BIAYA PRODUKSI KELAPA SAWIT TERHADAP PENDAPATAN PETANI DI DESA PULO BAYU KECAMATAN HUTABAYU RAJA, KABUPATEN SIMALUNGUN ORGANIK

2020· article· en· W3194460482 sur OpenAlexaff
Chris Michael, Posman Hp Marpaung, Fandri Siburian

Notice bibliographique

RevueJURNAL AGROTEKNOSAINS · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Palm Production and Sustainability
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésPalm oilProductivityAgricultural scienceAgriculturePalmPopulationToxicologyGeographyBiologyMedicineEconomics

Résumé

récupéré en direct d'OpenAlex

The aim of study is to 1) determine the productivity of oil palm in the study area, 2) determine the income of oil palm farming in the study area and 3) determine the relationship of the cost of oil palm production with the income of oil palm farmers in the study area. This research was conducted in Pulo Bayu village, Hutabayu Raja district, Simalungun regency. The population in this study were farmers who worked on oil palm plants in Pulo Bayu village with a field area ranging from 0.5-10 Ha and the age of the plants between 3.5-18 years. The number of samples in this study were 30 oil palm farmers. Data analysis was performed descriptively and using simple linear regression analysis. The result showed that the productivity of oil palm plants in the study area was classified as low. The production of oil palm farming in the study area is 82,342.80 kg/year or 1,744.76 kg/ ha (1.75 tons/ha/month). This is lower than the average CPO productivity of smallholder estates 2.5 tons/ ha/month. Net income of oil palm farmer in the study area is Rp 1,308,973.06/ha/month is classified as low because it is lower than the UMR of Simalungun regency (Rp 2,224,036.00/ month). Farming production costs significantly have a positive linear effect on the income of oil palm farmers in the study area.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,218
Écart entre enseignants0,204 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJURNAL AGROTEKNOSAINSMême sujetOil Palm Production and SustainabilityTravaux en français237 207