Pelatihan Pembuatan Elisitor Biosaka Di Kecamatan Mojo, Kabupaten Kediri
Bibliographic record
Abstract
Kecamatan Mojo yang terletak di Kabupaten Kediri dengan luas wilayah sebesar 150,49 km. Permasalahan pupuk mahal dan pupuk langka ini menjadi salah satu permasalahan yang disampaikan dalam RPJM hasil musrenbang dari keseluruhan lokus desa tersebut di atas sejak tahun 2022 (kebijakan penghapusan subsidi pupuk). Dari hasil tersebut masih banyak desa-desa yang belum mendapatkan kesempatan memperoleh pelatihan dari pemerintah daerah setempat. Justifikasi bersama pihak mitra yakni Kecamatan Mojo yang membawahi desa-desa lokasi serta di bawah binaan. Kegiatan Pengabdian Masyarakat Strategis Tahun 2023 ini dilaksanakan pada 25 Juli 2023 yang diikuti masyarakat khususnya petani sebagai perwakilan dari 8 desa lokasi tentang pelatihan dan pendampingan pupuk ramah lingkungan yang yang meliputi biosaka, pestisida nabati, dan maggot. Pelaksaan kegiatan dilaksanakan di kantor Kecamatan Mojo secara langsung dengan mengundang sebanyak 56 petani yang mewakili dari 8 desa lokus. Petani diberikan pelatihan membuat pupuk ramah lingkungan dengan sosialisasi terlebih dahulu meliputi persamaan persepsi tentang bahan-bahan pembuatan. Berikutnya petani diberi didampingi melakukan praktek baik pembuatan biosaka, pestisida nabati, maupun pupuk organic dari maggot. Sebelum dan sesudah pelatihan terlebih dahulu dilaksanakan pre test dan post test dengan membagikan kuesioner untuk melihat sejauh mana persepsi petani dalam memahami materi pelatihan. Hasil kuesioner menunjukkan bahwa sebelum dilaksanakan pelatihan sekitar 45% petani yang memahami materi tentang pupuk yang ramah lingkungan. Namun setelah mengikuti pelatihan sebanyak 87% petani sudah memahami.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 0.004 |
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".