ANALISIS SISTEM DINAMIK UNTUK EVALUASI PENCAPAIAN SWASEMBADA BERAS MELALUI PROGRAM UPAYA KHUSUS
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
<p>Upaya Khusus (UPSUS) Padi merupakan kebijakan Kementerian Pertanian dalam upaya mencapai swasembada beras yang diimplementasikan sejak tahun 2015. Apakah kegiatan ini berhasil dan tepat? Analisis sitem dinamik digunakan sebagai alat evaluasi kegiatan UPSUS Padi dengan pendekatan system thinking. Penelitian ini bertujuan untuk mengevaluasi kebijakan UPSUS Padi sejak tahun 2015-2018 menggunakan sistem dinamik. Metodologi penelitian dibangun dengan membuat Causal Loop Diagram (CLD) utama sistem swasembada beras, subsistem yang mendukung swasembada beras, sistem permintaan, dan sistem pencapaian target swasembada beras. Model dinamik tersebut divalidasi, disimulasi, dan direformulasi. Hasil simulasi menunjukkan sistem dinamik dapat dijadikan alat evaluasi kebijakan program UPSUS Padi dengan hasil validasi model bernilai MAPE &lt; 5%, sehingga dapat menggambarkan kondisi sesungguhnya. Hasil simulasi model menunjukkan UPSUS Padi sukses meningkatkan produksi. Bilamana dalam lima tahun target peningkatan indeks pertanaman (IP) dan produktivitas tercapai, maka pada tahun 2022 akan terjadi puncak surplus beras sebesar 25 juta ton. Setelah itu produksi padi akan terus menurun jika hingga akhir tahun 2024 konversi lahan sawah tidak dibendung. Penerapan kebijakan UPSUS Padi perlu didukung oleh kebijakan penerapan mekanisasi untuk pra dan pascapanen, penyuluhan, revitalisasi penggilingan, diversifikasi pangan, dan penekanan konversi lahan. Hasil simulasi dengan memasukkan semua variabel tersebut menunjukkan Indonesia dalam lima tahun ke depan akan surplus 35 juta ton beras sehingga swasembada terus berlanjut.</p>
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.002 |
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 it