MétaCan
Menu
Retour à la cohorte
Enregistrement W4395086571 · doi:10.25157/ag.v6i1.12770

Peningkatan Consumer Value Produk Olahan Pisang Untuk Meningkatkan Daya Saing Industri Rumah Tangga di Kecamatan Jatigede Kabupaten Sumedang

2024· article· id· W4395086571 sur OpenAlexaff
Rani Andriani Budi Kusumo, Hepi Hapsari, Ganjar Kurnia, Anne Charina, Erna Rahmawati

Notice bibliographique

RevueAbdimas Galuh · 2024
Typearticle
Langueid
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Agroindustry Studies
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysics

Résumé

récupéré en direct d'OpenAlex

Berkembangnya pariwisata di kawasan waduk Jatigede membawa peluang bagi berkembangnya sektor usaha lain. Usaha produk olahan pisang berpeluang besar untuk dapat dijadikan oleh-oleh bagi wisatawan yang berkunjung ke waduk Jatigede. Namun saat ini, industri rumah tangga belum mampu menciptakan produk dapat berdaya saing dan bernilai jual. Kegiatan pengabdian pada masyarakat ini bertujuan untuk meningkatkan nilai jual dan daya saing produk olahan pisang, melalui kegiatan peningkatan consumer value. Mitra dalam kegiatan ini adalah pelaku industri kecil dan rumah tangga di Desa Mekar Asih Kecamatan Jatigede Kabupaten Sumedang. Metode pelaksanaan yang dilakukan diantara adalah pelatihan dan penyuluhan desain produk yang menarik, keamanan pangan, serta pendaftaran sertifikasi PIRT sebagai jaminan keamanan produk; selain itu mitra juga diberi fasilitas alat dan tempat produksi yang menunjang keamanan pangan. Hasil kegiatan menunjukkan bahwa mitra sudah mampu menghasilkan produk yang memiliki nilai jual dan berdaya saing, melalui perbaikan standar keamanan pangan dan juga perbaikan kemasan produk. Beberapa mitra juga sudah mendapatkan sertifikat PIRT. Meskipun demikian, mitra masih memerlukan pendampingan serta bantuan untuk memperluas pangsa pasar produk olahan pisang.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,225
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,244
Écart entre enseignants0,215 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAbdimas GaluhMême sujetAgriculture and Agroindustry StudiesTravaux en français237 207