Optimalisasi Analisis Harga Komoditas Daging dan Telur Ayam di Jawa Timur dengan Pendekatan Regresi Semiparametrik
Notice bibliographique
Résumé
Fluktuasi harga yang terlalu tinggi pada komoditas pangan strategis seperti telur dan daging ayam telah menjadi permasalahan krusial, diantaranya disebabkan oleh harga pakan dan tingkat konsumsi masyarakat. Hal ini berdampak pada turunnya daya beli dan kesulitan akses pangan terutama bagi rumah tangga berpendapatan rendah yang mengandalkan kedua komoditas ini sebagai sumber protein utama. Oleh sebab itu, penelitian ini bertujuan untuk menganalisis pengaruh harga jagung sebagai bahan baku pakan ternak dan jumlah penduduk sebagai gambaran tingkat konsumsi masyarakat terhadap harga telur ayam dan harga daging ayam pada 38 Kabupaten/Kota di Jawa Timur tahun 2023 dengan menggunakan data sekunder yang diperoleh melalui aplikasi SISKAPERBAPO dan Badan Pusat Statistik Provinsi Jawa Timur. Metode yang digunakan adalah regresi semiparametrik birespon linear lokal. Hasil analisis menunjukkan bahwa model prediksi memiliki tingkat akurasi sangat tinggi, dengan nilai MAPE sebesar 1,103% untuk harga telur ayam dan 4,474% untuk harga daging ayam. Penelitian ini penting karena dapat menjadi dasar pengambilan kebijakan dalam upaya stabilisasi harga oleh pemerintah daerah maupun pelaku industri perunggasan di Jawa Timur.
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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».