Analisis Nilai Tambah pada Produk Tahu, Tempe dan Susu Kedelai di Industri CV. Shuya Fadhal
Notice bibliographique
Résumé
Tujuan penelitian ini adalah untuk mengetahui besarnya nilai tambah yang diperoleh dari pengolahan kedelai menjadi produk tahu, tempe dan susu kedelai pada salah satu industri di Aceh, khususnya di Kabupaten Pidie Jaya yaitu pada CV. Shuya Fadhal. Analisis nilai tambah yang digunakan yaitu dengan menggunakan rumus perhitungan metode Hayami. Data diperoleh dari wawancara secara langsung dengan pemilik industri CV. Shuya Fadhal. Data tersebut kemudian diolah dalam bentuk analisis. Hasil penelitian diketahui bahwa keuntungan pemilik perusahaan atau nilai tambah bersih yang lebih besar terdapat pada produk olahan susu, kemudian disusul dengan produk tahu dan tempe yaitu dengan nilai masing-masing sebesar 96,96%, 95,59% dan 80,53%. Hasil yang diperoleh tersebut menunjukkan bahwa untuk olahan susu pada industri CV. Shuya Fadhal memiliki prospek tertinggi untuk terus dikembangkan disamping olahan dalam bentuk tahu maupun tempe. Industri CV Shuya Fadhal diharapkan dapat mengembangkan variasi rasa dari susu kedelai yang diproduksi, sehingga konsumen lebih tertarik lagi untuk membeli dan mengkonsumsi minuman susu kedelai selain yang awalnya dengan rasa alami/asli, juga dapat mencoba dalam varian rasa lainnya, hal ini juga untuk menghindari timbulnya rasa bosan konsumen dalam menikmati minuman susu kedelai.
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 | 0,003 | 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) | 0,011 | 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 ».