Technology gap ratio decomposition in smallholder solar saltworks in Indonesia using meta-frontier data envelopment analysis (MetaDEA)
Notice bibliographique
Résumé
The increasing population in Indonesia results in the rising demand for consumer goods, including salt. Meanwhile, salt production in Indonesia remains traditional, using direct methods by evaporating seawater in open ponds near the coast, producing a final product called “solar salt”. This process depends on sunlight, air, weather, and seasonal climate conditions. This research aims to analyze the technical, technological, and managerial disparities among traditional solar salt farming businesses operated by local communities across regions in Madura Island—the foremost solar salt-producing region in Indonesia. This study employs primary data collected through surveys conducted during the production season in 2023/2024 in three regencies in Madura: Pamekasan, Sampang, and Sumenep. The structured questionnaires captured the input and output data. Meta-frontier Data Envelopment Analysis (meta-DEA) was applied to assess the technical efficiency of conventional solar salt productions across the research regions. The efficiency analysis revealed that, with the current production methods, solar salt farmers achieved an efficiency rate of 46.98%, with an average technical efficiency of 80.83%. This result shows that the decision-making units (DMUs) can enhance their technical efficiency by 19.07%. Meanwhile, the technology gap ratio (TGR) analysis indicates that Sumenep Regency has the highest TGR value, nearing the threshold of 1, suggesting a relatively low technology gap in this regency. The meta-DEA decomposition indicates that the determinant of the average meta-technical inefficiency among solar salt farmers is the technological disparities, with average technological gap inefficiency (TGI) values surpassing managerial gap inefficiency (MGI) values. Conversely, Sumenep Regency has a larger MGI than TGI value, implying that solar salt farmers in Sumenep possess lower managerial decision-making skills than in other regions. The findings suggest the need to enhance the adoption of the latest production technology innovations to address technological gaps in the research locations.
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 | 0,015 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,008 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 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 ».