Analisis Risiko Usahatani Padi Sawah Metode System of Rice Intensification (SRI) dan Tanam Benih Langsung (Tabela) di Desa Tonusu Kecamatan Pamona Puselemba
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk mengetahui risiko usahatani padi sawah metode System of Rice Intensification (SRI) dan tanam benih langsung (Tabela) di Desa Tonusu Kecamatan Pamona Puselemba Kabupaten Poso. Data dikumpulkan melalui survey yang dilaksanakan dalam bentuk pengisian kuisioner dan wawancara dengan subyek penelitian. Sampel sebanyak 20 orang petani padi sawah diambil dengan menggunakan teknik sampling berstrata, masing-masing strata terdiri dari 10 petani yang menerapkan metode tanam SRI dan 10 petani yang menerapkan metode Tabela. Data dianalisis dengan menggunakan analisis pendapatan, analisis perbedaan produksi, penerimaan, biaya produksi, dan pendapatan pada kedua metode tanam, serta analisis risiko. Hasil penelitian menunjukkan bahwa untuk petani yang menerapkan metode tanam SRI diperoleh rata-rata produksi sebesar 4 ton/ha/MT, rata-rata penerimaan Rp 16.800.000,-/MT, rata-rata biaya produksi Rp 5.615.550,-/MT, dan rata-rata pendapatan Rp 11.196.450,-/MT. Pada petani yang menerapkan metode Tabela diperoleh rata-rata produksi sebesar 2,19 ton/ha/MT, rata-rata penerimaan Rp 6.200.000,-/MT, rata-rata biaya produksi Rp 2.650.150,-/MT, dan rata-rata pendapatan Rp 3.579.850,-/MT. Hasil uji t 2 sampel independen menunjukkan bahwa terdapat perbedaan yang signifikan antara kedua metode penanaman dalam variabel produksi, penerimaan, biaya produksi, dan pendapatan. Koefisien variasi pendapatan petani yang menerapkan metode Tabela lebih besar dibandingkan dengan pada petani yang menerapkan metode SRI. Hasil uji t 2 sampel independen memperlihatkan bahwa terdapat perbedaan antara kedua nilai koefisien variasi, dengan demikian metode Tabela memiliki risiko yang lebih besar terhadap pendapatan petani dibandingkan dengan metode SRI.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».