KEANEKARAGAMAN HAMA LALAT BUAH PADA TANAMAN SAYURAN BUAH DI KABUPATEN BANGKA DAN KUNCI IDENTIFIKASINYA
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
Lalat buah (Diptera: Tephritidae) merupakan hama penting bersifat invasif yang menyerang pada komoditas tanaman hortikultura khususnya tanaman buah dan sayuran buah. Informasi terkait jenis-jenis lalat buah perlu dilaporkan sebagai antisipasi dalam upaya pengendalian hama lalat buah. Pengoleksian lalat buah selain menggunakan atraktan juga dapat dilakukan dengan menggunakan host rearing. Penelitian ini bertujuan untuk mengetahui distribusi dan jenis spesies lalat buah apa saja yang terdapat pada tanaman sayuran buah di Kabupaten Bangka. Penelitian dirancang dengan menggunakan metode survei yang dilakukan disetiap kecamatan dan sampel penelitian diambil secara purposive sampling. Sampel yang menjadi target yang terindikasi lalat buah diambil dan kemudian di rearing. Lalat buah kemudian diidentifikasi dan dibuatkan kunci dikotomus. Hasil penelitian menunjukkan terdapat 10 jenis tanaman inang lalat buah antara lain cabai besar Capsicum annuum, cabai rawit Capsicum frutescens, mentimun Cucumis sativus, labu kuning Cucurbita moschata, melinjo Gnetum gnemon, oyong Luffa acutangula, paria Momordica charantia, tomat Solanum lycopersicum, terung Solanum melongena, and kacang panjang Vigna unguiculata. Lalat buah yang terkoleksi dalam penelitian ini sebanyak 6 spesies yaitu Bactrocera dorsalis, B.carambolae, B.mcgregori, Zeugodacus cucurbitae, Z. sp 1 dan Z. sp 2, dengan jumlah sebanyak 1.113 individu. Spesies yang paling dominan yaitu Z. cucurbitae pada tanaman sayuran buah di Kabupaten Bangka. Keanekaragaman dan kekayaan pada tanaman sayuran buah di Kabupaten Bangka dikategorikan rendah.
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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
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