MétaCan
Menu
Retour à la cohorte
Enregistrement W4386541816 · doi:10.29313/bcsurp.v3i2.8145

Strategi Pengembangan Agribisnis Manggis di Kecamatan Kiarapedes Kabupaten Purwakarta

2023· article· en· W4386541816 sur OpenAlexaff
Ardelia Salwa Pratiwi, Ivan Chofyan

Notice bibliographique

RevueBandung Conference Series Urban & Regional Planning · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Agroindustry Studies
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésSWOT analysisBusinessGarcinia mangostanaAgribusinessAgricultural scienceAgricultureDescriptive statisticsService (business)Agricultural economicsMarketingGeographyMathematicsEconomicsStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract.Mangosteen (Garcinia Mangostana L) is one of the leading commodities in Purwakarta District and has been recognized by the Decree of the Minister of Agriculture Number 571/KPTS/SR.120/9/2006 which states that the mangosteen fruit of Purwakarta Regency is recognized as a superior variety called Manggis Wanayasa. Kiarapedes sub-district is one of the mangosteen-producing sub-districts in Purwakarta District, which has a large potential area for developing mangosteen. In Kiarapedes sub-district, there is also mangosteen agricultural land belonging to the Food and Agriculture Service of Purwakarta District as an integrated demonstration garden. The potential possessed by Kiarapedes Sub-district has not been utilized optimally because there are still farmers who do not understand the importance of regulations and there is no advanced processing industry for mangosteen. Therefore, the purpose of this research is to determine the condition of the mangosteen commodity agribusiness in Kiarapedes Sub-district and to formulate strategies that can be implemented to support the development of mangosteen commodities in Kiarapedes Sub-district. The approach method of this research is descriptive quantitative, and the analytical method used is descriptive statistical analysis and SWOT analysis. From the results of the analysis of the condition of mangosteen agribusiness in Kiarapedes District, there are 8 internal factors, namely 4 strengths and 4 weaknesses, and 5 external factors, namely 3 opportunities and 2 threats. The mangosteen agribusiness development strategy in Kiarapedes Sub-district, especially in on farm agribusiness are in quadrant I, which is in a favorable situation, so the strategy that needs to be implemented is aggressive growth.
 Abstrak. Manggis (Garcinia Mangostana L) merupakan salah satu komoditas unggulan di Kabupaten Purwakarta dan telah diakui dengan adanya Keputusan Menteri Pertanian Nomor 571/KPTS/SR.120/9/2006 yang menyatakan bahwa buah manggis Kabupaten Purwakarta diakui sebagai varietas unggul yang disebut dengan Manggis Wanayasa. Kecamatan Kiarapedes merupakan salah satu kecamatan penghasil manggis di Kabupaten Purwakarta yang memiliki luas areal potensi pengembangan manggis yang masih luas, di kecamatan Kiarapedes juga terdapat lahan pertanian manggis milik Dinas Pangan dan Pertanian Kabupaten Purwakarta sebagai kebun percontohan terpadu. Potensi yang dimiliki oleh Kecamatan Kiarapedes tersebut belum dimanfaatkan secara optimal karena masih adanya perilaku petani yang belum mengerti pentingnya regulasi dan belum adanya industri pengolahan lanjutan manggis. Maka dari itu tujuan dilakukannya penelitian ini adalah untuk mengetahui kondisi agribisnis komoditas manggis di Kecamatan Kiarapedes dan merumuskan strategi yang dapat dilakukan untuk mendukung pengembangan agrbisnis manggis di Kecamatan Kiarapedes. Metode pendekatan dari penelitian ini yaitu deskriptif kuantitatif dan metode analisis yang digunakan yaitu analisis statistika deskriptif dan analisis SWOT. Dari hasil analisis kondisi agribisnis manggis di Kecamatan Kiarapedes memiliki 8 faktor internal yaitu 4 kekuatan dan 4 kelemahan, serta 5 faktor eksternal yaitu 3 peluang dan 2 ancaman. Strategi pengembangan agribisnis manggis di Kecamatan Kiarapedes khususnya pada subsistem usahatani berada pada kuadran I, yaitu berada pada situasi yang menguntungkan, sehingga strategi yang perlu diterapkan yaitu pertumbuhan agresif.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,638
Score d'incertitude au seuil0,687

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,077
Tête enseignante GPT0,247
Écart entre enseignants0,170 · 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.

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 revueBandung Conference Series Urban & Regional PlanningMême sujetAgriculture and Agroindustry StudiesTravaux en français237 207