Analisis penerapan teknologi pertanian dalam sistem budidaya tanaman pangan untuk peningkatan produksi dan pendapatan usahatani di Kabupaten Pangkajene dan Kepulauan (Pangkep)
Bibliographic record
Abstract
Pengembangan tanaman pangan di Provinsi Sulawesi Selatan khususnya di wilayah Kabupaten Pangkep masih perlu ditingkatkan untuk memperkuat ketahanan pangannya dengan memanfaatkan lahan yang tersedia dengan optimal agar status ketahanan pangan saat ini dapat ditingkatkan dari kategori tahan menjadi sangat tahan. Penelitian ini bertujuan untuk mengetahui karakteristik sumber daya petani serta menganalisis penerapan penggunaan teknologi (pola tanam, luas lahan, mekanisasi, penggunaan pupuk dan pestisida) dalam sistem budidaya tanaman pangan yang dapat mendorong peningkatan produksi serta pendapatan usahatani masyarakat di Kabupaten Pangkep. Penelitian ini dilaksanakan di Desa Kanaungan dan Desa Bara Batu Kecamatan Labbakkang Kabupaten Pangkajene Kepulauan, pada Agustus hingga Desember 2024. Lokasi penelitian dipilih secara purposive sebagai wilayah usaha tani komoditas tanaman pangan. Metode pengumpulan data adalah observasi dan wawacara untuk memperoleh data primer responden menggunakan daftar pertanyaan terstruktur (kuesioner) yang ditabulasi dan diuraikan secara deskriptif. Analisis regresi digunakan untuk mengetahui hubungan variabel bebas (X) meliputi faktor produksi (luas lahan) dan penerapan beberapa teknologi budidaya, terhadap produksi usaha tani tanaman pangan sebagai variabel dependen (Y). Hasil penelitian menunjukkan masyarakat dengan usia produktif mendominasi pelaku usaha tani (91.67%) tanaman pangan di Kabupaten Pangkep dengan latar belakang pendidikan dasar hingga menengah menjadi faktor pembatas penerapan inovasi teknologi budidaya. Hasil analisis regresi menunjukkan faktor luas lahan secara tunggal maupun bersama beberapa variabel penerapan teknologi secara simultan berpengaruh nyata terhadap jumlah produksi. Nilai koefisien regresi memperlihatkan setiap penambahan nilai variabel luas lahan, penggunaan alsintan dan pupuk menaikkan produksi usahatani tanaman pangan. Produksi 5 ton per musim tanam yang dicapai masyarakat masih diharapkan dapat ditingkatkan lagi.
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) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| 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) | 0.005 | 0.001 |
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".