UJI PERTUMBUHAN DAN HASIL ENAM VARIETAS TANAMAN TERUNG (Solanum melongena, L.) PADA TANAH PODSOLIK MERAH KUNING
Notice bibliographique
Résumé
Produksi terung di Kabupaten Sintang masih rendah hanya 0,66 ton/Ha, penyebabnya karena beberapa faktor diantaranya adalah tanah yang kurang subur karena didominasi oleh tanah Podsolik Merah Kuning. Upaya meningkatkan produksi tanaman dapat dilakukan dengan beberapa langkah salah satunya adalah pemilihan varietas yang sesuai dengan kondisi lingkungan tumbuh terutama tanah dan iklim. Tujuan penelitian ini untuk mengetahui pertumbuhan dan hasil enam varietas terung pada tanah Podsolik Merah Kuning. Penelitian ini menggunakan metode percobaan lapangan dan menggunakan Rancangan Kelompok Lengkap Teracak (RKLT) faktor tunggal dengan empat ulangan. Perlakuan penelitian terdiri dari Varietas Terung Mustang (V1), Milano (V2), Bungo (V3), Lezata (V4), Turangga (V5) dan Raos (V6). Data hasil pengamatan dianalisis dengan uji F, jika menunjukkan ada pengaruh nyata pada selang kepercayaan 0,05 kemudian dilanjutkan dengan uji Duncan Multiple Range Test (DMRT). Hasil penelitian menunjukkan bahwa dari enam varietas tanaman terung dengan pertumbuhan dan hasil tertinggi adalah Lezata, rata-rata pertambahan tinggi tanaman 44,04 cm, persentase bunga menjadi buah (5,76%), jumlah buah (2,47 buah), dan berat buah tertinggi 20,71 g.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».