BUDIDAYA SILVOFISHERY DI DESA MOROREJO KABUPATEN KENDAL UNTUK MENDUKUNG PROGRAM BUDIDAYA BERKELANJUTAN
Bibliographic record
Abstract
Meningkatnya pertumbuhan populasi penduduk di dunia akan mengakibatkan peningkatan eksploitasi sumberdaya alam. Desa Mororejo berada di kawasan pesisir Kabupaten Kendal dengan jumlah penduduk sekitar 4.258 jiwa. 60% dari jumlah penduduk tersebut bekerja sebagai petani tambak yang memanfaatkan lahan di pesisir. Budidaya tambak dengan sistem silvofishery/wanamina telah banyak diterapkan di Indonesia. Wanamina sebagai sebuah konsep usaha terpadu antara hutan mangrove dan perikanan budidaya yaitu budidaya di tambak menjadi alternatif usaha yang prospektif dan sejalan dengan prinsip blue economy. Tujuan dari kegiatan ini adalah untuk menentukan sistem silvofishery/wanamina yang diterapkan di desa Mororejo, Kabupaten Kendal dan mengetahui produktivitas primer perairan tambak silvofishery yang ada di desa Mororejo. Metode kegiatan berupa pengamatan lokasi dan pengambilan sampel paramaterdi tambak. Hasil kegiatan adalah sistem silvofishery yang banyak diterapkan di desa Mororejo adalah sistem empang parit dengan jenis tanaman mangrove Rizophora sp dan Avicenia sp. Sedangkan produktivitas primer tambak sebesar 118 gC/cm/tahun dan nilai klorofil α 1.7 – 2.2 µg/L dengan nilai DO 3-7 ppm, salinitas 25-32 ppt, suhu 28-300C, pH sebesar 7-8 , nitrat sebesar 0,1 – 0,18 mg/L dan ammoniak sebesar 0,01 ppm. Silvofishery atau wanamina yang ada di desa Mororejo, Kendal masih dalam kondisi layak untuk mendukung budidaya berkelanjutan.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.039 | 0.007 |
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".