MétaCan
Menu
Retour à la cohorte
Enregistrement W4327517866 · doi:10.35791/agrirud.v4i3.45798

ANALISIS PENDAPATAN PETANI KELAPA DI DESA RANOKETANG ATAS KECAMATAN TOULUAAN KABUPATEN MINAHASA TENGGARA (Income Analysis of Coconut Farmers in Ranoketang Atas Village, Touluaan Sub District, Southeast Minahasa Regency)

2023· article· en· W4327517866 sur OpenAlexaboutno aff
Marton Eric Datu, Noortje M. Benu

Notice bibliographique

RevueJournal of Agribusiness and Rural Development (Jurnal Agribisnis dan Pengembangan Pedesaan) · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAgricultural and Environmental Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCopraAgricultureQuarter (Canadian coin)Agricultural scienceToxicologyBusinessGeographyAgricultural economicsEconomicsBiology

Résumé

récupéré en direct d'OpenAlex

The objective of this research is to analyze income, income comparison and the feasibility of coconut farming, both those selling in the form of coconut seeds and those selling in the form of copra in Ranoketang Atas Village, Touluaan District, Southeast Minahasa Regency. Data collection methods are interviews, recording and documentation. The data collected in this study are primary data obtained from direct interviews with respondents through questionnaires and secondary data obtained from the Ranoketang Atas Village office and Touluaan Sub District Office. The research results indicated that there is a significant difference level of income between farmers who sell coconuts in the form of coconut seeds and farmers who sell coconuts in the form of copra with the average income of farmers who sell coconuts in the form of coconut seeds of Rp. 16,915,929 per quarter and the average income of farmers who sell coconut in the form of copra is Rp. 20,719,939 per quarter. The results of the feasibility analysis of farming obtained a value of more than 1 which means that coconut farming run by coconut farmers in the village of Ranoketang Atas, Touluaan Sub District, Southeast Minahasa Regency is feasible.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,015
Tête enseignante GPT0,244
Écart entre enseignants0,229 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agribusiness and Rural Development (Jurnal Agribisnis dan Pengembangan Pedesaan)Même sujetAgricultural and Environmental ManagementTravaux en français237 207