KADAR KOLESTEROL DAGING KERBAU \nDENGAN METODE PEMASAKAN YANG BERBEDA
Notice bibliographique
Résumé
Tujuan penelitian ini adalah untuk mengetahui kadar kolesterol daging kerbau dengan \nmetode pemasakan yang berbeda. Penelitian ini akan dilaksanakan dengan dengan \nmenggunakan Rancangan Acak Lengkap (RAL) dengan taraf 4 perlakuan dan 5 ulangan. \nPerlakuan tersebut adalah kontrol (daging segar), pembakaran, perebusan dan pengukusan. \nPenelitian ini dilaksanakan di Laboratorium Teknologi Pasca Panen, Laboratorium Nutrisi \ndan Kimia, dan Laboratorium Patologi, Entomologi, dan Mikrobiologi. Jika pada analisis \nsidik ragam menunjukkan pengaruh nyata atau sangat nyata dilakukan uji lanjut Duncan’s \nMultiple Range Test (DMRT). Berdasarkan hasil penelitian kadar kolesterol daging kerbau \ndengan metode pemasakan yang berbeda berkisar antara 55,5273 mg/100g – 106,4841 \nmg/100g. Kadar koleseterol tertinggi terdapat pada daging segar sebesar 106,4841 mg/100g, \nmetode pembakaran 80,3703 mg/100g, perebusan 71,3305 mg/100g dan pengukusan adalah \npaling rendah yaitu 55,5273 mg/100g. Metode pemasakan yang berbeda pada daging kerbau \nmenunjukan adanya perbedaan nyata (P<0,05) pada daging segar, metode pembakaran, \nmetode perebusan dan metode pengukusan. Dari hasil penelitian ini dapat disimpulkan bahwa \nmetode pemasakan yang bebeda (kontrol, pembakaran, perebusan dan pengukusan) dapat \nmenurunkan kadar kolesterol yang terdapat pada daging kerbau. \nKata kunci : Daging kerbau, kolesterol, metode pemasakan
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,008 |
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 source (Gemma direct ou Codex distillé), 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 ».