ANALISIS USAHA PENGOLAHAN KERIPIK PISANG COKLAT DI KABUPATEN WAY KANAN PROVINSI LAMPUNG
Notice bibliographique
Résumé
Keripik pisang coklat merupakan jenis makanan ringan terbuat dari buah pisang yang diiris dan digoreng diberi rasa coklat. Penelitian ini bertujuan untuk menentukan total biaya, total penerimaan, total pendapatan, nilai BEP dan nilai R/C pada usaha pengolahan keripik pisang coklat di Kabupten Way Kanan Provinsi Lampung. Metode pada penelitian ini adalah deskriptif analitis. Penentuan lokasi menggunakan metode purposive sampling. Pengambilan sampel responden menggunakan metode sensus. Data yang digunakan merupakan data primer dan data sekunder. Hasil yang diperoleh penelitian ini adalah total biaya sebesar Rp 10.151.719/bulan, total penerimaan sebesar Rp14.422.500/bulan, dan total pendapatan sebesar Rp4.362.892/bulan. Nilai Break Even Point (BEP) atas dasar unit adalah sebesar 810 bungkus/bulan dengan masing-masing berat perbungkus 250gr. Nilai ini lebih kecil dari pada rata-rata produksi 1163/bulan dan nilai Break Even Point (BEP) atas dasar harga sebesar Rp. 8.650/bungkus. Nilai ini lebih kecil dari harga produk yang sebesar Rp. 12.417. Nilai R/C usaha pengolahan keripik pisang coklat sebesar 1,43. Dari nilai R/C tersebut disimpulkan bahwa usaha pengolahan keripik pisang coklat layak untuk diusahakan karena besar nilai R/C >1. Kata kunci: Keripik Pisang Coklat, Pengolahan, Kabupaten Way Kanan
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».