Penggunaan Tepung Daun Gamal (Gliricidia sepium) Sebagai Pakan Tambahan pada budidaya Ikan Bandeng (Chanos chanos)
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk mengevaluasi pengaruh fermentasi terhadap peningkatan kandungan protein dalam daun gamal ( Gliricidia sepium ) dan untuk menentukan dosis optimal penambahan tepung daun gamal yang difermentasi terhadap pertumbuhan dan kelangsungan hidup ikan bandeng ( Chanos chanos ). Rancangan percobaan yang digunakan adalah rancangan acak lengkap dengan empat perlakuan, yakni: A; tanpa tepung daun gamal terfermentasi, B; ditambahkan tepung daun gamal terfermentasi sebanyak 10%, C; ditambahkan tepung daun gamal terfermentasi sebanyak 25%, dan D; ditambahkan tepung daun gamal terfermentasi sebanyak 40%. Hasil penelitian menunjukkan bahwa kandungan protein dalam tepung daun gamal sebesar 22,702% meningkat menjadi 23,942% setelah difermentasi. Hasil pengukuran pertumbuhan mutlak ternyata meningkat seiring dengan meningkatnya penambahan tepung daun gamal ke dalam pakannya yakni dari 8 g pada perlakuan A hingga 11 g pada perlakuan D. Semakin tinggi kandungan daun gamal dalam pakan semakin tinggi pula tingkat pertumbuhan ikan bandeng. Dosis terbaik penambahan tepung daun gamal terfermentasi untuk mendukung pertumbuhan dan kelangsungan hidup ikan bandeng adalah pada Perlakuan D dengan penambahan tepung daun gamal terfermentasi sebesar 40%. Penelitian ini memberikan kontribusi pada pemahaman tentang potensi pemanfaatan daun gamal terfermentasi sebagai pakan ikan, khususnya untuk ikan bandeng. Hasil penelitian ini dapat memberikan informasi yang berharga bagi industri perikanan dalam mengoptimalkan penggunaan tepung daun gamal terfermentasi untuk meningkatkan pertumbuhan ikan secara efisien dan berkelanjutan. Kata kunci : Bandeng; Gamal; Pakan
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; 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 ».