BETON STRUKTURAL MENGGUNAKAN AGREGAT PASIR - BATU ALAM
Notice bibliographique
Résumé
Kuat tekan beton, selain dipengaruhi oleh mutu perekat (semen), juga ditentukan oleh mutu agregat yang digunakan sebagai bahan pengisinya. Hal ini terlihat dari komposisi agregat dalam campuran beton mencapai 60% - 75% dari total volume beton. Penggunaan agregat pasir-batu alam (sirtu) tidaklah lazim dalam pembuatan beton struktural. Namun demikian, pada pembangunan beberapa ruko/toko berlantai 2 dan 3 di kota Lhokseumawe ditemukan penggunaan sirtu sebagai agregat untuk beton.Sirtu adalah jenis batuan sedimen yang merupakan campuran kerikil dan pasir yang terjadi secara alami. Penelitian ini ditujukan untuk mendapatkan faktor air semen (FAS) pada campuran beton agregat sirtu agar dicapai mutu beton struktural minimal 17 MPa dan memiliki kemudahan pengerjaan yang baik (workability). Sirtu yan g digunakan berasal dari desa Paya Rabo, kecamatan Sawang, Kabupaten Aceh Utara, dengan ukuran maksimum 19 mm. Sirtu ini terdiri dari 73% - 86% pasir dan 14% - 27% kerikil. Semen yang digunakan merek Andalas tipe I. Jumlah sampel beton agregat sirtu yang di uji pada umur 28 hari adalah sebayak 15 buah sampel silinder(150x 300)mm, yang terdiri dari 5 sampel untuk masing-masing FAS 0,58; 0,54; dan 0,47. Sebagai pembanding digunakan 5 buah sampel yang dibuat untuk beton normal dengan FAS 0,58. Rancangan campuran digunakan metode absolute volume dari Portland Cement Association (PCA). Dari hasil pengujian diperoleh kuat tekan beton normal pada umur 28 hari mencapai 24,57 MPa. Pada umur pengujian yang sama, untuk beton sirtu, kuat tekan yang diperoleh untuk masing-masing FAS 0,58; 0,54; dan 0,47 adalah sebesar 17,09 MPa, 23,37 MPa, dan 27,61 MPa. Pada FAS 0,58 dan 0,54 beton agregrat sirtu mengalami penurunan kuat tekan masing-masing sebesar 33,4% dan 4,90% dibanding beton normal. Untuk memperoleh beton agregat sirtu dengan kekuatan 17 MPa, dilakukan interpolasi linier dari hasil pengujian tersebut dan didapat FAS sebesar 0,55. Dari hasil pengujian menggunakan FAS 0,55 didapat kuat tekan rata-rata beton agregat sirtu sebesar 21,60 MPa, dengan slump sebesar 79mmKata kunci: sirtu (pasir-batu), faktor air semen, slump, kuat tekan, beton struktural
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».