Efek Perlakuan Panas Terhadap Perubahan Warna Bambu Sembilang (Dendrocalamus giganteus)
Notice bibliographique
Résumé
ABSTRACT Bamboo can be used as an alternative raw material to replace wood. Bamboo is a fast-growing plant that requires quality improvement. One type of bamboo that has not been utilized optimally is sembilang bamboo. Quality improvement can be done through heat modification. Heat treatment can improve the mechanical properties of a material but can cause discoloration. This study aimed to determine the effect of heat treatment on the discoloration of sembilang bamboo. This research was conducted by giving sembilang bamboo heat treatment at 180°C for 3 hours and 6 hours. The results obtained were sembilang bamboo, after heat treatment for 3 hours and 6 hours became darker than the control. The longer the heating time, the greater the value of the color change.  Keywords: color change, heat treatment, sembilang bamboo  ABSTRAK Bambu dapat dijadikan sebagai bahan baku alternatif pengganti kayu. Bambu termasuk tanaman cepat tumbuh yang memerlukan peningkatan kualitas. Salah satu jenis bambu yang belum dimanfaatkan secara optimal adalah bambu sembilang. Peningkatan kualitas dapat dilakukan dengan cara modifikasi panas. Perlakuan panas dapat meningkatkan sifat mekanis suatu bahan namun dapat menyebabkan perubahan warna. Tujuan penelitian ini adalah mengetahui efek perlakuan panas terhadap perubahan warna bambu sembilang. Penelitian ini dilakukan dengan memberikan perlakuan panas pada bambu sembilang dengan suhu 180°C selama 3 jam dan 6 jam. Hasil yang didapatkan adalah bambu sembilang setelah perlakuan panas selama 3 jam dan 6 jam menjadi lebih gelap dibandingkan kontrolnya. Semakin lama waktu pemanasan maka nilai perubahan warnanya semakin besar.  Kata kunci: bambu sembilang, perlakuan panas, perubahan warna
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 tête enseignante, 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 ».