Analisis Potensi Hutan Rakyat Dalam Mendukung Kabupaten Kuningan Sebagai Kabupaten Konservasi
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
Sebagai kabupaten konservasi, Kabupaten Kuningan tidak bisa memproduksi hasil hutan kayu dalam skala besar karena kondisi hutannya sebagian besar merupakan kawasan konservasi dan hutan produksi terbatas, selain itu berada pada wilayah rawan gerakan tanah. Hal tersebut menyebabkan terjadinya defisit kebutuhan kayu di wilayah ini. Salah satu alternatif untuk memenuhi kebutuhan kayu adalah melalui produksi hutan rakyat. Saat ini produksi hutan rakyat masih rendah tetapi berpotensi besar, untuk itu dibutuhkan perencanaan yang baik. Tujuan penelitian ini adalah: (1) mendapatkan jenis tanaman yang potensial berdasarkan referensi masyarakat dan identifikasi tingkat kelayakan dari pengusahaan hutan rakyat; (2) memetakan kesesuaian dan ketersediaan lahan untuk pengembangan hutan rakyat. Analisis data pada penelitian ini mencakup analisis data spasial berbasis Sistem Informasi Geografi (SIG), analisis finansial, identifikasi jenis tanaman hutan rakyat prioritas menggunakan Analytical Hierarchy Process (AHP) dan Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS). Hasil penelitian menunjukkan lahan yang sesuai dan tersedia untuk Sengon yaitu seluas 9.173 Ha, Mahoni seluas 9.938 Ha, Afrika seluas 10.687 Ha, dan Jati seluas 10.431 Ha. Analisis finansial menunjukkan bahwa pengusahaan hutan rakyat untuk Sengon, Afrika, dan Jati layak untuk dikembangkan terlihat dari nilai NPV, BCR, dan IRR yang memenuhi kriteria layak walaupun pada tingkat suku bunga yang berbeda, sedangkan untuk Mahoni hanya layak pada suku bunga 7,5%. Arahan jenis tanaman hutan rakyat yaitu, pada bagian utara dan timur untuk sengon (Paraserianthes falcataria) dan Jati (Tectona grandis), bagian barat dan selatan untuk mahoni (Swietenia mahogany) dan Afrika (Maesopsis eminii Engl.)
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 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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