Peningkatan Produktivitas Kelompok Tani di Desa Batukaang Kintamani Bangli Melalui Pembuatan Pupuk Organik Dan Pestisida Nabati Dari Tanaman Lokal
Bibliographic record
Abstract
Desa Batukaang memiliki beberapa jenis tanaman yang dapat dijadikan pestisida nabati diantaranya bawang merah, sirih, serai, lengkuas, dan sebagainya. Bahan-bahan tersebut dapat dikombinasi dengan biourin menjadi pestisida nabati yang dapat diaplikasikan dalam budidaya jeruk dan kopi yang dimiliki oleh masyarakat Desa Batukaang, maka inilah yang melatari dilaksanakannya pengabdian masyarakat berupa kegiatan pemanfaatan limbah organik dalam pembuatan pupuk organik dan pestisida nabati dalam mendukung pertanian berkelanjutan di Desa Batukaang. Sasaran dalam pengabdian ini adalah perwakilan subak, perwakilan kelian desa, dan perwakilan PKK dengan jumlah total 10 peserta. Dari pelaksanaan kegiatan pengabdian kepada masyarakat yang telah dilakukan dapat disimpulkan: 1) Melalui sosialisai yang diberikan, masyarakat mengetahui tentang pertanian ramah lingkungan untuk meningkatkan produksi dan kualitas tanaman jeruk dan kopi melalui pemanfaatan limbah organik dalam pembuatan pupuk organik dan pestisida nabati; 2) Melalui sosialisasi yang diberikan, petani Desa Batukaang mengetahui tentang jenis-jenis tumbuhan yang dapat dijadikan pestisida nabati serta cara pembuatannya; dan 3) Melalui pelatihan yang dilakukan melalui praktek/demonstrasi, masyarakat Desa Batukaang dapat secara aktif melakukan pengolahan limbah ternak menjadi pupuk organik menjadi pupuk organik dan pestisida nabati untuk mendukung kegiatan budidaya tanaman jeruk dan kopi. Diharapkan Program Pengabdian Masyarakat yang telah dilaksanakan memberikan manfaat bagi masyarakat Desa Batukaang dalam pembuatan pupuk organik dan pestisida nabati yang dilatihkan dalam kegiatan ini. Sehingga dapat diaplikasikan di lahan pertanian dengan skala luas
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 | 0.000 | 0.000 |
| 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 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.016 | 0.005 |
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".