MétaCan
Menu
Back to cohort
Record W4321462100 · doi:10.35334/harpodon.v15i2.3000

PERMASALAHAN DAN KEBIJAKAN PENGELOLAAN PERIKANAN TANGKAP DI KEPULAUAN ARU

2022· article· id· W4321462100 on OpenAlexaff
John Ririhena

Bibliographic record

VenueJurnal Harpodon Borneo · 2022
Typearticle
Languageid
FieldEnvironmental Science
TopicMarine and Coastal Ecosystems
Canadian institutionsWiLAN (Canada)
Fundersnot available
KeywordsPhysicsHumanitiesBusiness administrationBusiness

Abstract

fetched live from OpenAlex

Kegiatanperikanankhususnya perikanantangkaplebihmendominasi dibandingkandenganyang lain,namunyangterjadikegiatan penangkapanyang dilakukanlebihbanyakdidominasinelayanasing dankapalnya.denganadanya aktivitas tersebut maka banyak masalah yang dihadapi baik nelayan lokal maupun pemerinta sehingga perlu melihat masalah yang terjadi, kebijakan dengan strategi-startegiyang ada. Tujuan penelitian adalahpermasalahan, kebijakandanRumusankebijakanmelaluistrategi.Metode pengambilandata dilakukandengandataprimer dansekunder.data primer melaluiwawancara denganpihak-pihakterkait,data sekunder daridinaskelautandanperikanan KepulauanArudanBPSAru.Analisisdata menggunakananalisis SWOTuntuk menjawabrumusanstrategiyang dikeluarkanpemerintah.hasilpenelitianyang didapatDari hasilpenelitianinimaka permasalahan tentang perikanan tangkap di Kepulauan Aru adalah masalahinternal dan eksternal yang terdiri dari 9 masalah internal dan 10 masalaheksternal,dan terdapat6 kebijakan khusus untuk perikanan tangkap yang disimpulkan dari kebijakan pemerintah Kabupaten Kepulauan Aru melaluiDinas Kelautan Dan Perikanan dan swasta. sedangkanRumusan strategi kebijakan pengelolaan perikanantangkap adalah 1. strategi kekuatan dan peluang mengendalikan kekuatan untuk : Mengoptimalkan kesempatan dengan peningkatan kapasitas pemerintah daerah. 2. Strategi kelemahan dan peluang, memanfaatkan untuk mengatasi kelemahan dengan : Pemberdayaan masyarakat nelayan dan pengembangan kemitraan usaha. 3. Strategi kekuatan dan ancaman, mengoptimalkan kekuatan untuk mengatasi ancaman dengan : Pengembangan ekonomi kelautan dan perikanan, dan peningkatan investasi dan ekspor. 4. Strategi kelemahan dan ancaman, Memperbaiki kelemahan untuk mengurangi ancaman dengan : Pembangunan berbasis kepulauan dan pengelolaan sumberdaya pesisir dan lautan.Kata kunci :PerikananTangkap,Permasalahan,Kebijakan, SWOTKegiatanperikanankhususnya perikanantangkaplebihmendominasi dibandingkandenganyang lain,namunyangterjadikegiatan penangkapanyang dilakukanlebihbanyakdidominasinelayanasing dankapalnya.denganadanya aktivitas tersebut maka banyak masalah yang dihadapi baik nelayan lokal maupun pemerinta sehingga perlu melihat masalah yang terjadi, kebijakan dengan strategi-startegiyang ada. Tujuan penelitian adalahpermasalahan, kebijakandanRumusankebijakanmelaluistrategi.Metode pengambilandata dilakukandengandataprimer dansekunder.data primer melaluiwawancara denganpihak-pihakterkait,data sekunder daridinaskelautandanperikanan KepulauanArudanBPSAru.Analisisdata menggunakananalisis SWOTuntuk menjawabrumusanstrategiyang dikeluarkanpemerintah.hasilpenelitianyang didapatDari hasilpenelitianinimaka permasalahan tentang perikanan tangkap di Kepulauan Aru adalah masalahinternal dan eksternal yang terdiri dari 9 masalah internal dan 10 masalaheksternal,dan terdapat6 kebijakan khusus untuk perikanan tangkap yang disimpulkan dari kebijakan pemerintah Kabupaten Kepulauan Aru melaluiDinas Kelautan Dan Perikanan dan swasta. sedangkanRumusan strategi kebijakan pengelolaan perikanantangkap adalah 1. strategi kekuatan dan peluang mengendalikan kekuatan untuk : Mengoptimalkan kesempatan dengan peningkatan kapasitas pemerintah daerah. 2. Strategi kelemahan dan peluang, memanfaatkan untuk mengatasi kelemahan dengan : Pemberdayaan masyarakat nelayan dan pengembangan kemitraan usaha. 3. Strategi kekuatan dan ancaman, mengoptimalkan kekuatan untuk mengatasi ancaman dengan : Pengembangan ekonomi kelautan dan perikanan, dan peningkatan investasi dan ekspor. 4. Strategi kelemahan dan ancaman, Memperbaiki kelemahan untuk mengurangi ancaman dengan : Pembangunan berbasis kepulauan dan pengelolaan sumberdaya pesisir dan lautan.Kata kunci :PerikananTangkap,Permasalahan,Kebijakan, SWOT

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.040
Threshold uncertainty score0.134

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.002
Science and technology studies0.0020.001
Scholarly communication0.0040.003
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0400.005

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.

Opus teacher head0.010
GPT teacher head0.209
Teacher spread0.199 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations1
Published2022
Admission routes1
Has abstractyes

Explore more

Same venueJurnal Harpodon BorneoSame topicMarine and Coastal EcosystemsFrench-language works237,207