STUDI TENTANG PENGARUH PEMANFAATAN SANTAN PADA PRODUK ES KRIM, YOGHURT, KEJU
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
Santan kelapa merupakan salah satu produk pangan yang dihasilkan dari buah tanaman kelapa (Cocos nucifera) dan pada bagian buahnya memilki kandungan senyawa tannin, flavonoid, dan polifenol. Terdapat 2 jenis santan kelapa yang dikembangkan yaitu santan kelapa cair dan santan kelapa bubuk. Santan kelapa cair dapat dimanfaatkan untuk berbagai masakan atau olahan produk pangan seperti pada produk es krim, yoghurt dan keju. Metode yang digunakan yaitu studi pustaka untuk melakukan penelitian review yang dilakukan dengan menganalisis informasi dari data – data kuantitatif maupun kualitatif yang telah didapat dari baerbagai sumber jurnal ilmiah yang telah dipublikasi sebelumnya. Penambahan santan kelapa dapat mempengaruhi hasil overrun dan kadar lemak pada es krim. Penambahan santan kelapa dapat mempengaruhi hasil kadar lemak dan pH pada yoghurt. Penambahan santan kelapa dapat mempengaruhi hasil rendemen dan kadar lemak pada keju. Penambahan santan kelapa dapat mempengaruhi hasil uji organoleptik meliputi aroma, warna, rasa dan tekstur pada produk es krim, yoghurt dan keju. Oleh karena itu dilakukan review mengenai pengaruh pemanfaatan santan dengan melihat penggunaan santan dengan beberapa kombinasi pada pemanfaatan santan kelapa terhadap karakteristik fisik, kimia dan organoleptik. Penambahan santan pada produk es krim dapat meningkatkan overrun, kadar lemak, aroma, rasa, warna dan tekstur. Penambahan santan pada produk yoghurt menurunkan pH , meningkatkan kadar lemak, aroma, warna, rasa dan tekstur. Penambahan santan pada produk keju menurunkan rendemen, meningkatkan kadar lemak, aroma, warna, rasa dan tekstur .
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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