INVENTARISASI HAMA PENYAKIT TANAMAN PADI DI DESA SUKAHARJA KECAMATAN CISAYONG KABUPATEN TASIKMALAYA
Notice bibliographique
Résumé
Inventarisasi hama dan penyakit pada padi merupakan salah satu langkah awal untuk menentukan strategi pengendalian secara efisien. Kegiatan inventarisasi dilaksanakan di lahan padi milik petani seluas ±1 ha yang berlokasi di Blok Neundeut, Kabupaten Tasikmalaya. Metode yang digunakan yaitu survey lapangan merujuk pada buku Petunjuk Teknis Pemantauan dan Pengamatan serta Pelaporan OPT dengan menggunakan sampling diagonal terpanjang. Terdapat 3 unit contoh dimana setiap unit contoh dilakukan pengamatan pada 10 rumpun tanaman, dan total tanaman yang diamati adalah 30 rumpun. Perhitungan tunas, jumlah anakan, rumpun, serta bagian tanaman yang terserang OPT merupakan pengamatan yang kerusakannya bersifat mutlak, sedangkan pengamatan kerusakan tidak mutlak dilakukan dengan menilai intensitas kerusakan yang diakibatkan oleh serangan OPT. Terdapat 8 jenis OPT yang ditemukan pada saat proses inventarisasi yang terdiri dari 5 spesies hama dan 3 spesies patogen. Tidak terdapat OPT yang melebihi ambang ekonomi, namun terdapat 2 spesies yang perlu diperhatikan yaitu Hyderellia sp. dan Xanthomonas oryzae dengan intensitas serangan berturut-turut sebesar 10,00% dan 7,03%. Tindakan pencegahan yang dapat diaplikasikan diantaranya pemanfaatan perangkap kuning, agens hayati Paenibacillus polymyxa dan pemanfaatan ekstrak Sygyzium aromaticum.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».