Identifikasi Faktor Internal dan Faktor Eksternal dalam Pengembangan Agrowisata Kopi di Kecamatan Sumber Jaya Kabupaten Lampung Barat
Bibliographic record
Abstract
Penelitian dilaksanakan dengan tujuan untuk mengidentifikasi faktor internal dan faktor eksternal dalam bentuk kekuatan, kelemahan, peluang dan ancaman yang dapat dijadikan dasar untuk merumuskan strategi pengembangan Agrowisata Kopi di Sekolah Kopi Lampung Barat. Penelitian ini dilaksanakan di Kecamatan Sumber Jaya Kabupaten Lampung Barat. Metode analisis data pada penelitian ini menggunakan analisis deskriptif kuantitatif. Pengambilan data di lapangan dilaksanakan pada bulan November hingga Desember 2022. Pengumpulan data penelitian dilaksanakan melalui FGD pada 3 desa sekitar lokasi agrowisata, responden penelitian berjumlah 36 orang pemangku kepentingan. Berdasarkan hasil penelitian, diketahui jumlah total skor faktor kekuatan 2,20 dan kelemahan 0,65, sehingga diketahui jumlah total skor IFE adalah 2,85, hal ini menunjukkan posisi faktor internal berada pada skala penilaian sedang. Jumlah total skor EFE adalah 3,17, dari hasil ini menunjukkan faktor eksternal berada pada posisi penilaian kuat dengan total skor faktor peluang 2,90 dan ancaman 0,27, sehingga dari hasil tersebut dapat diketahui bahwa total matrik EFE lebih besar dibandingkan matrik IFE, hal tersebut menggambarkan bahwa keadaan internal Agrowisata berada pada kondisi tumbuh dan kembangkan dengan memanfaatkan peluang yang ada. Kata kunci: agrowisata kopi, faktor internal, dan faktor eksternal
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.018 | 0.003 |
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".