PENGOLAHAN LIMBAH PENYULINGAN DAUN CENGKEH MENJADI PUPUK BOKASHI di DESA SUMBERURIP DOKO
Bibliographic record
Abstract
Desa Sumberurip Kecamatan Doko merupakan desa penghasil cengkeh terbesar di Kabupaten Blitar. Pernyataan tersebut dibuktikan berdasarkan data BPS (Badan Pusat Statistik) Kabupaten Blitar tahun 2015, Kecamatan Doko menghasilkan 3833 ton setiap tahunnya. Sebagian besar cengkeh tersebut di olah menjadi minyak atsiri melalui proses penyulingan. Limbah yang berasal dari penyulingan tersebut masih belum dimanfaatkan dengan optimal oleh masyarakat sekitar, Alhasil, tujuan dari kegiatan ini diantaranya membuat terobosan baru untuk mengolah limbah penyulingan daun cengkeh menjadi pupuk bokashi. Bokashi adalah pupuk yang dibuat dengan cara memfermentasi bahan organik dengan mikroba endofit (EM), yang memiliki manfaat untuk meningkatkan keanekaragaman mikroba dalam tanah dan tanaman, serta memaksimalkan pertumbuhan tanaman. Kegiatan ini mengambil pendekatan kualitatif deskriptif dengan empat jenis prosedur pengumpulan data: observasi, wawancara, dokumentasi, dan triangulasi data (dengan menggabungkan tiga pendekatan pengumpulan data).Luaran dari kegiatan ini adalah pupuk organik bokashi yang dihasilkan secara berkelompok oleh para peserta selama pelatihan dan meningkatkan motivasi dan minat petani maupun warga Desa Sumberurip dalam mengembangkan pupuk organik sebagai alternatif pupuk yang lebih hemat biaya
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.031 | 0.009 |
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".