Analisis Wilayah dan Kontribusi Kakao Terhadap Pembangunan Daerah di Kabupaten Parigi Moutong
Notice bibliographique
Résumé
Kakao merupakan salah satu komoditas perkebunan selain kelapa sawit, karet dan kopi yang memiliki peranan penting dalam perekonomian nasional dalam menghasilkan devisa negara, menyerap tenaga kerja serta sebagai penyedia bahan baku industri cokelat. Penelitian ini bertujuan untuk mengidentifikasi wilayah basis produksi komoditas kakao serta peranan kakao dalam mendukung pembangunan wilayah Kabupaten Parigi Mautong. Data yang digunakan adalah data sekunder periode waktu tahun 2017-2021. Metode analisis data yang digunakan adalah analisis location quotient, lokalisasi, spesialisasi, analisis rasio layanan dasar dan regional multiplier. Hasil penelitian menunjukkan bahwa daerah basis komoditas kakao di Kabupaten Parigi Moutong ada 12 kecamatan sehingga usahatani komoditas kakao tidak terkonsentrasi atau tidak terpusat hanya pada satu wilayah namun tersebar di beberapa wilayah kecamatan yang ada di Kabupaten Parigi Moutong. Usahatani komoditas kakao di wilayah basis tidak menspesialisasikan pada usahatani kakao. Komoditas kakao berperan dalam pembangunan wilayah dan ekonomi Kabupaten Parigi Moutong.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».