MétaCan
Menu
Retour à la cohorte
Enregistrement W4244563487 · doi:10.23960/jiia.v8i1.4338

ANALISIS PENDAPATAN DAN SISTEM PEMASARAN PADI ORGANIK DAN ANORGANIK DI KABUPATEN PRINGSEWU

2020· article· en· W4244563487 sur OpenAlexaff
Fitria Kusuma Astuti, Dwi Haryono, Adia Nugraha

Notice bibliographique

RevueJurnal Ilmu-Ilmu Agribisnis · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensAgribrands Purina (Canada)
Organismes subventionnairesnon disponible
Mots-clésAgricultureAgricultural scienceBusinessSnowball samplingRice farmingOrganic farmingAgricultural economicsEconomicsGeographyMathematicsEnvironmental science

Résumé

récupéré en direct d'OpenAlex

The aims of this research are to analyze income, comparison of income, and marketing effeciency of organic and inorganic rice farming in Pringsewu District. This research was conducted in Fajaresuk Village Pringsewu Subdistrict, Pringsewu District using a survey method Data were collected from August to September 2017. The sample size in research were 14 organic rice farmers, 25 inorganic rice farmers, 15 marketing respondents including 1 member of Sejahtera Farmer Group, 9 rice merchants, and 5 millers based on rice marketing flow (snowball). The data were analyzed using income, comparison of income, and marketing analyses. The results of study showed that organic rice farming income bigger than inorganic rice farming income. There is a significant difference between organic and inorganic rice farming income. The marketing of organic rice is more efficient than inorganic rice.Key words: income, inorganic rice, marketing, organic rice

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)
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 enseignants0,239
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,035
Tête enseignante GPT0,263
Écart entre enseignants0,228 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Ilmu-Ilmu AgribisnisMême sujetSMEs Development and Digital MarketingTravaux en français237 207