Model Usahatani Sayuran Di Lahan Kering Desa Antapan Kecamatan Baturiti Kabupaten Tabanan
Notice bibliographique
Résumé
Desa Antapan merupakam sentra produksi sayuran dan ternak sapi, memiliki permasalahan, usahatani sayuran sangat tergantung terhadap input luar, yaitu pupuk dan pestisida kimia. Tujuan utama pengabdian ini adalah pemanfaatan teknologi fermentasi untuk pengolahan feces dan urine sapi menjadi kompos dan biourine, aplikasi kompos dan biourine pada usahatani sayuran dan pembuatan pompa hidram serta embung untuk menjaga ketersediaan air sehingga usahatani sayuran dapat dilakukan secara berkesinambungan dan berkelanjutan, serta penanaman rumput odot untuk pakan sapi. Pengabdian dilaksanakan di dua kelompok tani, yaitu kelompok tani Labak Lestari dan Setia Makmur Desa Antapan, Tabanan. Jumlah peserta kegiatan sebanyak 38 orang dengan masing-masing 20 anggota kelompok tani Labak Lestari dan 18 anggota Setia Makmur. Metode yang yang digunakan adalah, ceramah, pelatihan, pendampingan dan demplot. Hasil kegiatan pemanfaatan teknologi fermentasi untuk pembuatan kompos dan biourine dapat meningkatkan pengetahuan petani 82,0 % , mengurangi input luar sebesar 60 %, Pompa hidram yang disediakan mampu menyediakan air 0,5 liter/detik dan kapasitas embung yang disediakan oleh masing-masing petani mempunyai kapasitas 20 m3, kemudian untuk ketersediaan pakan sapi, ditanam rumput odot disepanjang pematang lahan usahatani. Oleh karena itu pengabdian ini sangat penting dilakukan untuk keberlanjutan usahatani sayuran, peningkatan pendapatan dan kesejahteraan petani.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 ».