Pengaruh Substitusi Tepung Buah Hala (Pandanus tectorius) dalam Pelet Terhadap Konsumsi Bahan Kering dan Bobot Kelinci Pedaging
Notice bibliographique
Résumé
Tujuan pada penelitian ini adalah untuk mengetahui efek substitusi tepung buah hala dalam pelet pada konsumsi bahan kering dan pertambahan bobot badan harian pada kelinci jantan ras Flemish giant. Metode penelitian eksperimental ini menggunakan Rancangan Acak Lengkap (RAL) dengan 4 perlakuan dan 5 pengulangan. Penelitian ini menggunakan 20 ekor kelinci ras Flemish giant jantan berumur 1,5-2 bulan dengan bobot rata-rata 750 gram. Kelompok perlakuan pakan adalah P0 (100% pakan komersil), P1 (85% pakan komersil dengan 15% tepung buah hala), P2 (75% pakan komersil dengan 25% tepung buah hala), P3 (60% pakan komersil dengan 40% tepung buah hala) dan diberikan sebanyak 150 gram/hari untuk setiap kelompok. Data yang didapat dianalisa menggunakan ANOVA dan dilanjutkan dengan uji Duncan multiple test. Hasil menunjukkan perbedaan yang signifikan (p<0,05) pada konsumsi bahan kering, namun tidak pada pertambahan bobot badan harian kelinci (p>0,05). Rata-rata konsumsi bahan kering/hari pada kelompok P0 hingga P3 adalah 121,088±0,57 gram; 120,12±2,11 gram; 119,98±0,87 gram; 118,19±0,67 gram. Rata-rata pertambahan bobot badan harian pada P0 hingga P3 adalah 84±0,79 gram; 83,1±0,89 gram; 78,6±2,84 gram; 74,5±2,09 gram. Pada penelitian ini menunjukkan bahwa kandungan tepung buah hala sebanyak 25% pada pakan tidak terdapat perbedaan pada konsumsi bahan kering dan pertambahan bobot kelinci bila dibandingkan dengan pelet komersil.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».