PRODUKSI & ANALISIS ZAT GIZI MAKRO, MIKRO DAN ASAM LEMAK OMEGA 3 ABON IKAN LAYANG SEBAGAI PANGAN FUNGSIONAL
Notice bibliographique
Résumé
Pendahuluan: dari Riset Kesehatan Dasar tahun 2018 menunjukkan di Sulawesi Selatanmengalami peningkatan penyakit tidak menular terutama penyakit diabetes, penyakit jantungkoroner, hipertensi, obesitas usia 18 keatas. World Health Organization (WHO)memperkirakan, pada tahun 2020, penyakit tidak menular menjadi penyebab kematian dankesakitan di dunia. Pangan fungsional yang bermanfaat bagi tubuh dan mengurangi resikoterkena penyakit tidak menular. Salah satu pangan yang memiliki khasiat bagi kesehatanadalah ikan layang, implementasi pangan kedalam bentuk produk abon. Tujuan daripenelitian untuk mengetahui gambaran formula terpilih abon, kandungan energi, zat gizimakro, mikro dan asam lemak omega-3 abon ikan layang. Jenis penelitian ini adalahdeskriptif berbasis laboratorium. Dibuat 3 formula yang masing-masing terdri dari ikanlayang, santan, gula merah dan bumbu penyedap lainnya. Hasil penelitian menunjukkanbahwa dari ketiga formula, formula 3 terpilih sebagai formula terbaik. Adapun kandunganenergi, makro, mikro dan asam lemak omega-3 pada formula terpilih dalam 100 g, untukkandungan energi 60,21 kkal, kandungan karbohidrat 12,83 g, kandungan protein 48,47 g,kandungan lemak 25,26 g, kandungan natrium 0,61mg, kandungan magnesium 0,80 mg, dankandungan asam lemak omega 3 1,1187 mg. Kesimpulan bahwa kandungan zat gizi abonikan layang memiliki peningkatan kandungan setelah diolah menjadi produk, terutama asamlemak omega 3. Disarankan untuk penelitian selanjutnya dapat menguji kembali dengananalisis beberapa kandungan zat gizi lainnya.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».