Analysis Production and Technical Efficiency of Tilapia (Oreochromis niloticus) In Freshwater, Tasikmalaya
Notice bibliographique
Résumé
The fisheries subsector plays a significant role in the national GDP. In 2023, its contribution reached 2.66%, increasing from 2.58% in 2022. In the second quarter of 2024, the subsector contributed 2.54%, higher than the 2.34% recorded in the first quarter. One of its leading commodities is tilapia (Oreochromis niloticus), a freshwater species valued for its high economic potential and strong adaptability. In 2021, West Java reported the highest national tilapia production at 270,925 tons, with Tasikmalaya City contributing the largest share at 2,189 tons. This study analyzes the technical efficiency of tilapia farming in Tasikmalaya using the Cobb–Douglas Stochastic Production Function. The research was conducted from July - September 2024 in the districts of Bungursari, Kawalu, Purbaratu, and Cibeureum. Locations were selected purposive, and a snowball sampling technique yielded 52 respondents. The results indicate that seed and pellet feed exert a statistically significant effect on production, whereas bran, EM4, cultivation duration, and labor inputs do not show a significant influence. The technical inefficiency model demonstrates that farmer experience and education have a significant impact on efficiency. Experience contributes to technical inefficiency, while education mitigates it.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».