MétaCan
Menu
Retour à la cohorte
Enregistrement W7051781236

Perencanaan usaha pengolahan nugget ikan tongkol dengan penambahan wortel "Oishi Nugget" berkapasitas 6 kg bahan baku perhari

2020· book· id· W7051781236 sur OpenAlexaff

Notice bibliographique

RevueWidya Mandala Catholic University Surabaya Repository (Widya Mandala Catholic University Surabaya) · 2020
Typebook
Langueid
DomaineEngineering
ThématiquePlasma Diagnostics and Applications
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésBaruFood productsCarton
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Nugget adalah salah satu jenis produk restructured meat, yaitu suatu \nteknik pengolahan daging dengan memanfaatkan potongan daging yang \nrelatif kecil, kemudian dibentuk kembali menjadi ukuran yang lebih \nbesar. Nugget merupakan produk olahan siap saji yang diminati \nmasyarakat luas, mulai dari anak-anak hingga kalangan lanjut usia. \nNugget ikan tongkol dengan penambahan wortel merupakan sebuah inovasi \nproduk baru di Indonesia, karena umumnya nugget dibuat dari daging \nayam dan sapi. Tujuan dari penulisan tugas Perencanaan Unit \nPengolahan Pangan (PUPP) ini adalah untuk merencanakan produksi \n“nugget oishi” dengan kapasitas produk 6 kg/hari @250 gram/pack dan \nmelakukan kajian kelayakan unit usaha ini. Proses pengolahan nugget ikan \ntongkol dengan penambahan wortel “Nugget Oishi” terdiri dari sortasi, \npencucian, penggilingan, pencampuran, pencetakan, pengukusan, \npendinginan, pemotongan, pelapisan dan pengemasan. Bahan yang \ndigunakan terdiri dari bahan baku, yaitu ikan tongkol dan wortel serta \nbahan pembantu, yaitu tepung terigu, tapioka, telur, bawang putih, \ngaram, lada. Nugget ikan tongkol dengan penambahan wortel “Nugget \nOishi” yang dihasilkan dikemas dengan kemasan plastik PP. Lokasi usaha \ndirencanakan didirikan di Jalan Dinoyo Baru Utara No. 1, Tegalsari, \nSurabaya. Area produksi dengan ukuran 40 m2 \n. Bentuk usaha berbentuk \nperseorangan dengan jumlah karyawan 3 orang dan jam kerja 6 jam/hari. \nProses distribusi dijalankan dengan menggunakan jasa pribadi. Pemasaran \ndilakukan secara intensif melalui media sosial dan penawaran langsung \nkepada konsumen.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,183

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0550,014

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 Opus0,008
Tête enseignante GPT0,158
Écart entre enseignants0,150 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWidya Mandala Catholic University Surabaya Repository (Widya Mandala Catholic University Surabaya)Même sujetPlasma Diagnostics and ApplicationsTravaux en français237 207