KOMPONEN HASIL UMBI DAN KANDUNGAN FISIKOKIMIA 43 GENOTIP UBI JALAR BERDAGING UMBI JINGGA PADA PENANAMAN DI LAHAN KERING DAN LAHAN BASAH
Notice bibliographique
Résumé
Ubi jalar berdaging jingga potensial untuk bahan pangan karena mengandung karbohidrat, untuk pangan fungsional karena mengandung beta karoten dan untuk industri karena bisa dijadikan pati dan alkohol. Ada 43 genotip ubi jalar berdaging jingga yang telah terseleksi dari penelitian pendahuluan untuk diuji komponen hasil umbi dan kandungan fisikokimianya di lahan kering dan lahan basah yang bertujuan untuk melihat perbedaan karakter genotip pada kedua agroekosistem. Metode yang digunakan adalah Augmented design tahap I dengan 5 check. Blok percobaan dibagi menjadi 4 (empat) blok, plot berbentuk guludan dengan panjang 5 meter dan lebar 1 meter. Hasil penelitian menunjukkan ada perbedaan respon karakter pada 43 genotip ubi jalar berdaging jingga di laha tegalan dan lahan bekas sawah. Karakter yang menjadi penciri spesifik adalah karakter pada sektor V adalah jumlah umbi per plot (G), pada sektor ini genotip yang beragam ada 17 genotip di lahan tegalan, yaitu 194 (276), 186 (322), 193 (275), 199 (294), 195 (281), 42 (10), 217 (493), 219 (473), 190 (350), 201 (295), 28 (106), 110 (237), 117 (240), 112 (232), 119 (247), 203 (290), dan 113 (222). Sedangkan di lahan bekas sawah tidak ada genotip yang beragam. Genotip dengan jumlah rata-rata karakter tertinggi paling banyak adalah 224 (399b), 42 (10), dan 199 (294) yaitu masing-masing 17, 16, dan 15.
 Kata kunci : Ubi jalar jingga, beta karoten, lahan basah, lahan kering.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,007 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,013 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».