PENGARUH SUHU PENGERINGAN TERHADAP KARAKTERISTIK BUAH KERING PEPAYA (Carica papaya L.) MENGGUNAKAN \nMETODE TRAY DRYING
Notice bibliographique
Résumé
Pengaruh Suhu Pengeringan Terhadap Karakteristik Buah \nKering Pepaya (Carica Papaya L.) Menggunakan \nMetode Tray Drying \n \n \nAriska Anandra, Ismed, Kesuma Sayuti \n \nABSTRAK \n \nPenelitian ini bertujuan untuk mengetahui pengaruh suhu pengeringan terhadap karakteristik buah kering pepaya menggunakan metode tray drying serta memperoleh suhu pengeringan yang optimum. Rancangan percobaan yang digunakan pada penlitian ini adalah rancangan acak lengkap (RAL) dengan 5 perlakuan dan 3 ulangan. Perlakuan pada penelitian ini adalah buah kering dengan perlakuan A (suhu pengeringan 50ºC), B (suhu pengeringan 55ºC), C (suhu pengeringan 60ºC), D (suhu pengeringan 65ºC), E (suhu pengeringan 70ºC). Data yang diperoleh kemudian dianalisis dengan ANOVA dan jika berbeda nyata dilanjutkan dengan uji Duncan’s New Multiple Range Test (DNMRT). Hasil penelitian menunjukkan bahwa perbedaan suhu pengeringan berpengaruh nyata terhadap rendemen, kekerasan, kadar air, kadar abu, nilai pH, total karotenoid, dan organoleptik tekstur serta berpengaruh tidak nyata terhadap warna, aktivitas antioksidan, organoleptik rasa, organoleptik warna dan organoleptik aroma. Perlakuan terbaik berdasarkan pengamatan fisik, kimia, dan organoleptik adalah buah kering pepaya pada perlakuan B (suhu pengeringan 55ºC) selama 9 jam dengan hasil nilai rata-rata kesukaan terhadap warna 3,80 (suka), rasa 3,80 (suka), aroma 3,04 (suka), tekstur 3,32 (suka), rendemen (13,28%), kekerasan (88,71 N/cm²), nilai ºHue 47,38 dengan warna (merah), kadar air (15,53%), kadar abu (3,32%), nilai pH (5,61), aktivitas antioksidan (39,19%), total karotenoid (0,14 mg/100g) dan angka lempeng total (9,0 x 10⁴ CFU/g). \n \nKata kunci: pepaya, suhu pengeringan, tray drying, buah kering.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».