Keragaan Karakter Morfo-Agronomis Beberapa Genotipe Kacang Buncis (Phaseolus vulgaris L.) di Kota Bukittinggi, Sumatra Barat
Notice bibliographique
Résumé
Buncis (Phaseolus vulgaris L.) merupakan sayuran yang mempunyai peluang pasar yang cukup luas dan sumber protein nabati yang murah dan mudah dikembangkan. Produktivitas kacang buncis masih rendah, sehingga perlu melakukan kegiatan pemuliaan tanaman untuk memperoleh genotipe-genotipe kacang buncis yang memiliki daya hasil tinggi. Penelitian ini bertujuan untuk mengetahui keragaman, menduga nilai heritabilitas arti luas karakter morfo-agronomis, dan memahami hubungan antar karakter pada genotipe kacang buncis yang diuji. Penelitian telah dilaksanakan bulan Januari hingga April 2024 di Kota Bukittinggi, Sumatra Barat. Rancangan percobaan yang digunakan adalah Rancangan Acak Lengkap (RAL) dengan perlakuan 6 genotipe kacang buncis. Karakter yang diamati terdiri atas karakter kualitatif dan kuantitatif. Karakter kualitatif disajikan dalam bentuk data deskriptif sedangkan karakter kuantitatif dianalisis secara statistik dengan uji F pada taraf 5% dan karakter yang berbeda nyata, dilanjutkan dengan uji Duncan’s New Multiple Range Test (DNMRT) pada taraf 5%. Hasil menunjukkan terdapat keragaman antar genotipe pada karakter kualitatif yaitu sudut ujung daun, derajat kelengkungan polong, bentuk biji, warna primer biji dan sebaran warna sekunder biji. Umumnya karakter kuantitatif memiliki ragam genetik yang luas kecuali pada karakter diameter batang, lebar daun dan jumlah biji per polong. Karakter yang diamati memiliki nilai heritabilitas arti luas yang tinggi kecuali pada karakter diameter batang dan lebar daun. Karakter panjang polong dan jumlah biji per tanaman memiliki korelasi positif yang kuat dan nyata terhadap karakter bobot polong per tanaman.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,006 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,011 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,006 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,034 |
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 ».