MétaCan
Menu
Retour à la cohorte
Enregistrement W1548850886 · doi:10.12962/j23373539.v2i1.3210

Pemanfaatan Biji Asam Jawa (TamarindusIndica) sebagai Koagulan Alternatif dalam Proses Menurunkan Kadar COD dan BOD dengan Studi Kasus pada Limbah Cair Industri Tempe

2013· article· id· W1548850886 sur OpenAlexaff
Gary Intan Ramadhani, Atiek Moesriati

Notice bibliographique

RevueJurnal Teknik ITS · 2013
Typearticle
Langueid
DomaineEnvironmental Science
ThématiqueHeavy Metal Pollution Remediation
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésTempeChemistryFood science

Résumé

récupéré en direct d'OpenAlex

Biji asam jawa yang selama ini jarang dimanfaatkan perlu dikembangkan lebih lanjut untuk pengolahan limbah cair yang lebih ekonomis dan ramah lingkungan. Kandungan polisakarida dalam biji asam jawa (Tamarindus Indica) merupakan koagulan alami yang terbukti cukup efektif dalam peningkatan kualitas air limbah. Penelitian ini dilakukan untuk mengetahui pengaruh biji asam jawa sebagai koagulan pada limbah cair industri tempe sehingga diperoleh hasil yang optimum. Adapun yang dimaksud dengan hasil optimum yaitu dengan tercapainya penurunan kadar COD, BOD, dan TSS pada limbah cair yang digunakan sesuai dengan baku mutu dan kondisi yang tidak membahayakan lingkungan. Variabel yang diamati dalam penelitian ini adalah pH, TSS, kadar COD dan BOD dengan membandingkan dari tiap-tiap variasi. Variabel penelitian yang digunakan adalah pemberian dosis biji asam jawa sebagai koagulan dengan variasi (500, 1500, 2500, 3500) mg/l, kecepatan putaran pada proses koagulasi-flokulasi dan lama pengadukan lambat (flokulasi). Pada penelitian ini, terdapat korelasi antara dosis koagulan dan kecepatan pengadukan yang diberikan terhadap efisiensi penurunan kadar BOD, COD dan TSS. Dosis optimum yang diperoleh yaitu 1500 mg/l limbah. Sedangkan hasil optimum diperoleh pada kecepatan koagulasi 180 rpm selama 1 menit dan flokulasi 80 rpm dengan lama waktu pengadukan 45 menit.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,254
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Teknik ITSMême sujetHeavy Metal Pollution RemediationTravaux en français237 207