APLIKASI TEKNOLOGI PENGAWET ALAMI ATUNG (PARINARIUM GLABERIMUM HASSK) PADA PRODUKSI IKAN ASIN OLEH PENGOLAH DI WAHAI MALUKU TENGAH
Notice bibliographique
Résumé
Akhir-akhir ini maraknya penggunaan bahan pengawet pangan untuk pembuatan ikan asin yang tidak direkom pemerintah dalam hal ini BPOM; seperti formalin, baygon, kutotox dan lain-lain. Dilain sisi adanya inovasi teknologi garam rendah dengan kombinasi pengawet alami atung untuk produksi ikan kering jemur bermutu tinggi. Di Maluku Tengah Seram Utara banyak tersedia ikan tuna under sized dari limbah produksi tuna loin dan cakalang. Pemasok ikan asin terbesar ke kota Ambon dan sekitarnya dari Seram Utara, dengan ciri berasa asin sekali karena penggunaan garam yang terlalu tinggi sebesar 30-40% pada proses pengolahan, sehingga berdampak negatif pada kesehatan. Tujuan pengabdian ini adalah untuk mengaplikasikan iptek garam rendah dengan "atung" untuk meningkatkan kualitas ikan kering Tuna dan Cakalang pada pengolah di Wahai kecamatan Maluku Tengah. Pelaksanaan kegiatan menggunakan metode: Penyuluhan, Pelatihan, Penerapan dan Pendampingan, Monitoring dan Evaluasi. Materi penyuluhan terdiri atas: 1). Preparasi Larutan Pengawet Atung dan garam; 2). Proses Pengolahan Ikan asin Tuna dan Cakalang dan 3). Wirausaha pada kaum perempuan. Mitra masyarakat terdiri dari dua kelompok yaitu kelompok ikan Tuna kering dan kelompok ikan Cakalang kering. Masing-masing kelompok terdiri dari 12 orang. Produk-produk dianalisa di laboratorium menyangkut parameter kimia dan organoleptik. Mitra berkeinginan keras untuk melanjutkan produksi secara berkesinambungan, karena mereka merasa menguntungkan. Direncanakan pendampingan dari pihak Universitas Pattimura hingga produk bermerek, berlabel MUI, informasi gizi dan masa expired. Dilain sisi profil mutu produk hasil pengabdian ini dengan penggunaan kadar garam 5 % (W/V) dan Atung 5% (W/V) adalah sebagai berikut: Dari Ikan Tuna kering: kadar air, kadar protein, kadar garam,TPC, rupa, bau, rasa dan tekstur yang terurut sebagai berikut: 32.60 dan; 66.21 dan; 4.70x103, 8.3, 8.1, 7.9 dan 7.8. Sedangkan ikan Cakalang kering terdiri 27.30, 66.23, 5.69x103, 8.1, 7.8 dan 8.0.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».