Analyzing Technical and Economic Performance for Developing Corn-Based Sheep Farming in Rural Indonesia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In rural Indonesia, sheep are commonly raised using traditional methods with low technological innovation, leading to modest incomes for farmers.This study evaluates the technical and economic performance of sheep farming in the Anyer Subdistrict of Serang Regency, Banten Province.The research involved observing and interviewing 285 sheep farmers and employed Rapid Rural Appraisal (RRA) and Participatory Rural Appraisal (PRA) techniques to assess the potential agroecosystem for developing a corn-based sheep integration model.Descriptive analysis was utilized to evaluate the regional biophysical and technical performance of sheep farming, while Net Cash Benefit (NCB) and Cost-Return Analysis (CRA) were applied to determine the economic performance.Findings indicate that corn-based sheep farming has potential in the region, bolstered by the availability of corn by-products.However, the performance of sheep aged 2-3 years was found to be suboptimal, as evidenced by low average body weights (23 kg for 2-year-olds and 20.1 kg for 3-year-olds), small litter sizes (1.34 heads per litter), a high mortality rate (23.65%), and a low reproductive rate in ewes (1.55 heads/ewe/year).Despite these challenges, sheep farming proved to be profitable, with an average net benefit of IDR 2,420,400 per annum, not accounting for labor costs.The study suggests that the development of corn-based sheep farming could be supported by the introduction of feed processing technology and the use of superior sheep breeds to enhance performance and ensure business sustainability.
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.
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 | 0,001 | 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 découle