Hibridisasi ikan koi (Cyprinus rubrofuscus) dan ikan kaviat (Barbonymus schwanenfeldii) dengan menggunakan pemijahan buatan
Bibliographic record
Abstract
Hibridisasi ikan merupakan proses persilangan antara dua spesies ikan yang berbeda untuk menghasilkan keturunan yang memiliki karakteristik dari kedua induknya. Tujuan utama dari hibridisasi ini biasanya adalah untuk menggabungkan sifat-sifat unggul dari kedua spesies, seperti pertumbuhan yang lebih cepat, ketahanan terhadap penyakit, atau peningkatan kualitas daging. Rancangan percobaan yang digunakan dalam penelitian ini adalah Rancangan Acak Lengkap (RAL) dengan 2 perlakuan dan masing-masing perlakuan terdiri atas 3 ulangan. Perlakuan yang dilakukan adalah sebagai berikut: P1 = Penetasan Ikan Koi X Koi (kontrol), P2 = Penetasan Ikan koi X Kaviat. Hasil penelitian menunjukkan Nilai pH pada kualitas air sumur bor berada di 7,89 dengan indukan Kohaku menghasilkan fekunditas sebanyak 640 butir, didapatkan rata-rata Fertilization Rate (FR) yaitu 17,29% dihasilkan dari rata-rata masing-masing perhitungan sampel telur. Jumlah telur tertinggi yang dibuahi terdapat pada perlakuan PIU1 yaitu sebanyak 1470 telur dan rata-rata Hatching Rate (HR) sebesar 49,35%. Kesimpulan dari penelitian ini adalah Hibridisasi antara ikan Koi dan Kaviat mampu menghasilkan performa potensi yang baik berdasarkan kualitas air yang dapat terjaga baik dengan parameter uji yang dilihat dari fekunditas, FR, HR, Pertumbuhan Panjang, dan Survival Rate (SR) yang baik. Fekunditas dan kualitas yang unggul dalam proses hibridisasi antara ikan koi dan ikan kaviat dapat terjadi dengan baik apabila beberapa faktor lingkungan seperti suhu dan pH masih dalam skala optimal.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.000 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
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; both teacher heads agree on what is shown here.
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".