MétaCan
Menu
Retour à la cohorte
Enregistrement W2782931329 · doi:10.5539/ijef.v10n2p95

Economic Contribution in the Management of Solid Waste Policy Processing Water on Improvement of Fish Processing Revenues

2018· article· en· W2782931329 sur OpenAlexvenueno aff
Marnis, Syahrul Syahrul, Fitri, Rovanita Rama

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAquatic life and conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFish processingCatfishBusinessRaw materialCommercial fish feedFish mealPangasiusFisheryFish <Actinopterygii>Agricultural scienceWaste managementEnvironmental scienceAquacultureEngineeringBiologyEcology

Résumé

récupéré en direct d'OpenAlex

This study aims to analyze the economic contribution in the environmental management of solid waste processing of catfish to increase income of fish processing in Koto village Kampar regency Riau.The research method used is the method of exploitation of solid waste processing and case studies with respondents processing catfish (fillet fish, salai and salted fish). Data were collected using questionnaires on business actors, and solid waste processing trials (meat waste, fish head, fish bone, belly fat and edible offal or stomach). The waste is processed into raw material for food and feed industries that meet the quality standard of Indonesian National Standard (SNI) and calculated its economic value include business analysis (Gross Benefit Cost Ratio), Profitabilty Ratio, and IRR and environmental management scenario of catfish fish industry. The data obtained will be homogenized data and then tabulated and analyzed descriptively quantitative.The results showed that the net production technology capable of producing industrial raw materials in the form of fish meal (fish protein concentrate (KPI), fish oil, bone meal and fish skin chips with the Indonesian National Standard.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,968
Score d'incertitude au seuil0,062

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,248
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetAquatic life and conservationTravaux en français237 207