APLIKASI TEKNOLOGI PENGAWET ALAMI ATUNG (PARINARIUM GLABERIMUM HASSK) PADA PRODUKSI IKAN ASIN OLEH PENGOLAH DI WAHAI MALUKU TENGAH
Bibliographic record
Abstract
Akhir-akhir ini maraknya penggunaan bahan pengawet pangan untuk pembuatan ikan asin yang tidak direkom pemerintah dalam hal ini BPOM; seperti formalin, baygon, kutotox dan lain-lain. Dilain sisi adanya inovasi teknologi garam rendah dengan kombinasi pengawet alami atung untuk produksi ikan kering jemur bermutu tinggi. Di Maluku Tengah Seram Utara banyak tersedia ikan tuna under sized dari limbah produksi tuna loin dan cakalang. Pemasok ikan asin terbesar ke kota Ambon dan sekitarnya dari Seram Utara, dengan ciri berasa asin sekali karena penggunaan garam yang terlalu tinggi sebesar 30-40% pada proses pengolahan, sehingga berdampak negatif pada kesehatan. Tujuan pengabdian ini adalah untuk mengaplikasikan iptek garam rendah dengan "atung" untuk meningkatkan kualitas ikan kering Tuna dan Cakalang pada pengolah di Wahai kecamatan Maluku Tengah. Pelaksanaan kegiatan menggunakan metode: Penyuluhan, Pelatihan, Penerapan dan Pendampingan, Monitoring dan Evaluasi. Materi penyuluhan terdiri atas: 1). Preparasi Larutan Pengawet Atung dan garam; 2). Proses Pengolahan Ikan asin Tuna dan Cakalang dan 3). Wirausaha pada kaum perempuan. Mitra masyarakat terdiri dari dua kelompok yaitu kelompok ikan Tuna kering dan kelompok ikan Cakalang kering. Masing-masing kelompok terdiri dari 12 orang. Produk-produk dianalisa di laboratorium menyangkut parameter kimia dan organoleptik. Mitra berkeinginan keras untuk melanjutkan produksi secara berkesinambungan, karena mereka merasa menguntungkan. Direncanakan pendampingan dari pihak Universitas Pattimura hingga produk bermerek, berlabel MUI, informasi gizi dan masa expired. Dilain sisi profil mutu produk hasil pengabdian ini dengan penggunaan kadar garam 5 % (W/V) dan Atung 5% (W/V) adalah sebagai berikut: Dari Ikan Tuna kering: kadar air, kadar protein, kadar garam,TPC, rupa, bau, rasa dan tekstur yang terurut sebagai berikut: 32.60 dan; 66.21 dan; 4.70x103, 8.3, 8.1, 7.9 dan 7.8. Sedangkan ikan Cakalang kering terdiri 27.30, 66.23, 5.69x103, 8.1, 7.8 dan 8.0.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".