POTENSI BUDIDAYA UDANG GALAH (Macrobrachium rosenbergii) DI DESA KUALA PEMBUANG I, KECAMATAN SERUYAN HILIR, KABUPATEN SERUYAN, PROVINSI KALIMANTAN TENGAH
Bibliographic record
Abstract
Udang galah merupakan komoditas udang yang memiliki harga ekonomis dan merupakan udang terbesar dibanding dengan udang jenis lain. Udang galah memiliki 2 habitat yaitu air tawar dan air payau dengan air tawar untuk pembesaran sedangkan air payau digunakan untuk pembenihan udang galah. Tujuan dari penelitian ini adalah untuk mengetahui apakah Sungai Seruyan yang di wilayah Kecamatan Seruyan Hilir Kabupaten Seruyan Kalimantan Tengah berpotensi untuk budidaya udang galah. Berdasarkan letak geografis Sungai Seruyan di wilayah Seruyan Hilir berpotensi untuk budidaya udang galah, karena wilayah ini memiliki habitat udang galah yang memerlukan air tawar dan air payau. Terlebih berdasarkan wawancara 15 responden penangkapan udang galah di wilayah tersebut masih banyak mendapatkan udang galah dengan alat tangkap pancing, jala, dan bubu yang merupakan alat tangkap yang ramah lingkungan, sehingga kondisi ekosistem Sungai Seruyan masiih dalam keadaan baik. Minat masyarakat pun ada yang ingin membudidayakan udang galah, namun terkendala dengan modal dan minimnya pengetahuan tentang teknik budidaya udang galah. Selain itu, belum ada perhatian Dinas terkait dengan pelatihan budidaya udang galah dan menjaga ekosistem perairan di Sungai Seruyan. Berdasarkan potensi tersebut maka perlu adanya penelitian lanjutan terkait dengan kualitas air yang optimum di Sungai Seruyan.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| 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 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".