Daya Dukung Lingkungan Lahan Tanaman Pangan Berdasarkan Pendekatan Telapak Ekologis Di Provinsi Kalimantan Timur
Bibliographic record
Abstract
Abstrak. Laju pertumbuhan penduduk di Provinsi Kalimantan Timur mendorong bertambahnya permintaan berbagai kebutuhan sumberdaya terutama bahan pangan yang dihasilkan oleh lahan pertanian. Pembangunan yang cenderung mengarah pada pertumbuhan ekonomi,, lahan pertanian terutama pertanian tanaman pangan terus mendapatkan tekanan dari perluasan lahan pertambangan dengan laju pertumbuhan lahan rata-rata tahun 2012 – 2016 sebesar 2,18%. Tekanan dari penggunaan lahan pertambangan mempengaruhi kondisi ketahanan pangan Provinsi Kalimantan Timur di masa mendatang karena terus berkurangnya lahan pertanian yang ada saat ini. Dengan kondisi tersebut, diperlukan arahan untuk mengoptimalkan lahan pertanian tanaman pangan dengan mempertimbangkan kondisi ekologisnya. Tujuan penelitian ini adalah merumuskan metode optimalisasi lahan tanaman pangan di Provinsi Kalimantan Timur berdasarkan pendekatan telapak ekologis. Telapak ekologis merupakan pendekatan yang digunakan untuk mengukur total biaya ekologis (dalam area lahan) dari aktivitas manusia. Pendekatan ini dipilih karena merupakan salah satu pendekatan yang memperhatikan daya dukung lingkungan sebagai tolok ukur keseimbangan dan keberlanjutan. Dalam penelitian ini teknik analisis yang digunakan ialah analisis biokapasitas, analisis telapak ekologis, dan analisis daya dukung ekologis. Hasil analisis biokapasitas secara keseluruhan tanaman pangan di Provinsi Kalimantan Timur yaitu 267.013,96 gha dengan Kabupaten Kutai Kartanegara menjadi yang paling besar biokapasitasnya dengan persentase 44,03% dari total biokapasitas provinsi. Hasil analisis telapak ekologis terhadap konsumsi tanaman pangan di Provinsi Kalimantan Timur yaitu 204.719,06 gha dengan Kota Samarinda menjadi yang paling besar telapak ekologisnya dengan persentase 21,78% dari total telapak ekologis provinsi. Hasil analisis daya dukung ekologis menunjukkan kondisi keseimbangan antara ketersediaan pasokan tanaman pangan di alam dengan konsumsi penduduk terhadap tanaman pangan. Hasil analisis menunjukkan bahwa secara agregat Provinsi Kalimantan Timur memiliki kondisi ekologis yang surplus pasokan tanaman pangan, namun secara parsial Kota Balikpapan, Bontang, dan Samarinda berada pada kondisi ekologis defisit pasokan tanaman pangannya.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.022 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".