Distribution of Types and Management of Insecticides Based on Technical Applications in Palu Local Shallots
Notice bibliographique
Résumé
This study aims to determine the distribution of insecticides and the doses used in local shallots cultivation in Palu valley. This research took place from May to July 2021. This study used a descriptive observational method, describing the condition of farmers in using pesticides on local Palu shallots. Respondents were selected based on their daily activities as local Palu shallot farmers in Palu valley, Palu, Central Sulawesi. Determination of respondents was done using Simple Random Sampling; the total respondents taken were 40 farmers (about 10 people at each site), considering that the sample size could represent the existing population (population condition was homogeneous). Quantitative data were analyzed using a simple cross-tabulation analysis which was then interpreted. The study results showed that Farmer's activity in the local shallot cultivation was inseparable from the use of insecticides in controlling herbivorous insects (95% farmers). Insecticide usage in the Palu Valley area was 67.5% with a frequency of 1 -3 times a week, and 17.5% were applied without heeding the prescribed usage recommendations. There were 16 types of insecticide trademarks circulating in Palu valley, including 3 types in the Maku area, 6 types in Soulove, 4 types in Bolupontu Jaya, and 1 type in Wombo. Insecticide application was mostly in the morning (60-100%), 1 -3 times a week (67.5%), and without rules of use by 17.5%.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».