Perencanaan usaha pengolahan nugget ikan tongkol dengan penambahan wortel "Oishi Nugget" berkapasitas 6 kg bahan baku perhari
Bibliographic record
Abstract
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.
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 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.055 | 0.014 |
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".