DIVERSIFIKASI PANGAN LOKAL DARI IKAN TELAN (Mastacembelus erythrotaenia) DAN SAYURAN PENCEGAHAN STUNTING DI KABUPATEN MURUNG RAYA
Bibliographic record
Abstract
Stunting adalah keadaan gagal tumbuh diakibatkan kondisi kronis yang terjadi secara kronis sejak 1000 hari pertama kehidupan, namun baru terlihat ketika anak berusia 2 tahun. Terkait berdasarkan informasi di atas Pemerintah Kabupaten Murung Raya melakukan langkah untuk mencegah terjadinya stunting sehingga diharapkan terjadinya penurunan stunting. Dalam menangani stunting Pemerintahan Kabupaten Murung Raya melalui Leading sektor Dinas Pengendalian Penduduk Keluarga Berencana, Pemberdayaan Perempuan dan Perlidungan Anak (DISDALDUK KBP3A) Kabupaten Murung Raya. Dinas Pertanian dan Perikanan turut andil dalam membantu program pemerintah daerah menurunkan angka sunting dengan melakukan diversifikasi olahan pangan lokal berupa nugget ikan telan dengan sayuran (kelor, kelakai dan bayam) dan kemudian dapat disosialisasikan kepada ibu-ibu dalam kelompok wanita tani. Dalam hal ini pengolahan ikan telan yang merupakan ikan ciri khas Daerah Aliran Sungai Barito belum mempunyai nilai ekonomi tetapi memiliki kandungan gizi yang baik. Sehingga dengan adanya pengolahan ikan telan diharapkan mampu menambah keterampilan dan nilai ekonomis, dengan pemanfaatan pangan lokal secara masif dinilai mampu memberikan kontribusi positif untuk perkuat kedaulatan pangan nasional. Dengan adanya pelatihan yang dimaksud untuk memenuhi kebutuhan masyarakat akan gizi makanan yang kurang menyukai ikan dan sayuran. Diversifikasi olahan pangan lokal dari ikan telan dan sayuran menghasilkan olahan yaitu nugget ikan dengan daun kelor, kangkung dan bayam yang memiliki nilai gizi yang lengkap serta adanya inovasi nugget ikan telan dan sayuran ini dapat menambah keterampilan kelompok wanita tani untuk berpeluang wirausaha di Kabupaten Murung Raya.
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 | 0.001 | 0.000 |
| 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) | 0.008 | 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".