Perencanaan usaha pengolahan nugget ikan tongkol dengan penambahan wortel "Oishi Nugget" berkapasitas 6 kg bahan baku perhari
Notice bibliographique
Résumé
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 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) | 0,005 | 0,007 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,007 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 ».