MétaCan
Menu
Retour à la cohorte
Enregistrement W7023812914

PENGARUH SUHU PENGERINGAN TERHADAP KARAKTERISTIK BUAH KERING PEPAYA (Carica papaya L.) MENGGUNAKAN 
\nMETODE TRAY DRYING

2024· dissertation· id· W7023812914 sur OpenAlexaff

Notice bibliographique

RevueAndalas University eThesis (Andalas University) · 2024
Typedissertation
Langueid
DomaineAgricultural and Biological Sciences
ThématiqueFood and Agricultural Sciences
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésTrayIce creamLegumeOrganolepticStarch
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,185
Écart entre enseignants0,173 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAndalas University eThesis (Andalas University)Même sujetFood and Agricultural SciencesTravaux en français237 207