Formulasi dan Evaluasi Permen Jelly dari Ekstrak Daun Pegagan dan Rimpang Kunyit untuk Kesehatan kardiovaskular
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Hipertensi merupakan penyakit tidak menular yang menjadi salah satu penyebab kematian di dunia. Hipertensi diawali dengan meningkatnya tekanan darah secara terus menerus. Kombinasi dari tanaman pegagan dan kunyit mampu menekan tekanan darah sistolik dan diastolik serta mampu memperbaiki kekakuan arteri. Tujuan penelitian ini mengetahui stabilitas formulasi sediaan sediaan permen jelly dari ekstrak daun pegagan dan rimpang kunyit. Formula permen jelly dibuat menjadi 3 formula dengan konsentrasi penambahan ekstrak daun pegagan dan rimpang kunyit sebesar 3,5 g dengan variasi penggunaan karagenan. Penelitian dianalisis statistik Kruskal wallis. Pengujian permen jelly meliputi uji organoleptis, uji kadar air (metode oven), uji keseragaman bobot, dan uji kesukaan (metode hedonik). Uji organoleptik ketiga formula memiliki warna coklat dengan aroma khas tutty frutty, formula I memiliki rasa manis sedikit pahit dan formula II dan III memiliki rasa manis, formula I dan III memiliki tekstur kenyal sedangkan formula II memiliki tekstur agak kenyal, uji kadar air formula I 3,5%, formula II 4,6% dan formula III 5%, uji keseragaman bobot ketiga formula memenuhi persyaratan uji keseragaman bobot menurut FI III. Dari ketiga formula, formula III memiliki tekstur dan rasa yang disukai responden dengan persentase kadar air sebesar 5% dan memenuhi persyaratan keseragaman bobot.
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.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle