Penguatan Ekosistem Jagung: Isu, Tantangan, dan Kebijakan
Bibliographic record
Abstract
Produksi jagung global mengalami kenaikan, namun produksi jagung nasional menurun disebabkan oleh luas panen yang menurun seiring dampak perubahan iklim. Luas panen dan produksi jagung menurun di sentra-sentra produksi seperti Jawa Timur, Jawa Tengah, Lampung, dan Sulawesi Selatan. Penurunan produksi mempengaruhi harga Jagung domestik 2023 yang trennya naik hingga mencapai Rp 5.580/kg pada November 2023.. Jagung sebagai salah satu komoditas strategis nasional yang digunakan untuk memenuhi kebutuhan pakan dan pangan. Kebutuhan pakan untuk ternak unggas dan sapi, sedangkan jagung sebagai pangan untuk kebutuhan pangan rumah tangga dan bahan baku industri makanan. Jagung dimanfaatkan untuk pakan ternak sebesar 75%, industri non pakan dan pangan 23% dan sisanya untuk konsumsi langsung rumah tangga dan benih. Tren impor jagung relatif terkendali dengan adanya kebijakan stop impor jagung untuk pakan mulai tahun 2016. Kebijakan tersebut diambil setelah terjadi lonjakan impor jagung dengan rata-rata di atas 3 juta ton per tahun pada periode tahun 2013-2015, Importasi jagung tahun 2016-2023 merupakan impor jagung untuk kebutuhan industri (food grade) yang rata-ratanya di bawah 1,5 juta ton per tahun. Masih adanya impor jagung untuk industri pangan dikarenakan kualitas jagung di Indonesia belum memiliki tingkat standar yang dibutuhkan untuk jagung pangan, seperti tingkat kandungan aflatoksin di bawah 20 pbb, kadar air, germination rate dll. Beberapa isu dan tantangan jagung nasional, yaitu penurunan konsumsi jagung pangan, meningkatnya kebutuhan jagung pakan, penggunaan benih unggul, pemupukan berimbang, ketersediaan air, serta kelembagaan penyuluh dan pembiayaan. Pada prinsipnya, kebijakan pengembangan jagung dilakukan untuk memperkuat aspek hulu dan hilir jagung. Kebijakan yang diambil pemerintah saat ini, seperti peningkatan produksi dan produktivitas, penetapan harga acuan, penetapan Cadangan Jagung Pemerintah, bantuan pasca panen, dan food estate.
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 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) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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; both teacher heads agree on what is shown here.
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".