MétaCan
Menu
Retour à la cohorte
Enregistrement W2912981739 · doi:10.26760/rekaracana.v4i2.47

Perencanaan Tebal Perkerasan Jalan Logging di Kabupaten Penajam, Kalimantan Timur. (Hal. 47-57))

2018· article· id· W2912981739 sur OpenAlexaff
Mohammad Algi Brilianto, Silvia Sukirman, Welly Pradipta

Notice bibliographique

RevueRekaRacana Jurnal Teknil Sipil · 2018
Typearticle
Langueid
DomaineEngineering
ThématiqueGeotechnical and construction materials studies
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsForestryGeography

Résumé

récupéré en direct d'OpenAlex

ABSTRAKPerkerasan merupakan salah satu komponen prasarana pada kegiatan logging yang harus didesain agar dapat melayani lalu-lintas kendaraan berat. Metode Austroads 2006 dan Bina Marga 2017 merupakan panduan dalam perencanaan tebal perkerasan jalan logging. Studi kasus untuk penelitian ini dilakukan di Kabupaten Penajam, Kalimantan Timur. Berdasarkan data yang diperoleh dari konsultan perencana, niilai CBR pada ruas jalan rencana dibagi menjadi empat segmen dengan nilai CBR pada segmen 1 = 3%, segmen 2 = 9%, segmen 3 = 29% dan segmen 4 = 9%. Perencanaan dilakukan dengan umur rencana 10 tahun dan tingkat pertumbuhan 3%. Jenis perkerasan yang digunakan untuk kedua metode berupa batu pecah. Hasil perencanaan tebal perkerasan menggunakan metode Austroads 2006 untuk segmen 1 = 480 mm, segmen 2 = 320 mm, segmen 3 = 160 mm dan segmen 4 = 320 mm. Hasil perencanaan tebal perkerasan menggunakan metode Bina Marga 2017 untuk segmen 1 = 480 mm, segmen 2 = 260 mm, segmen 3 = 140 mm dan segmen 4 = 260 mm.Kata kunci: perencanaan tebal perkerasan jalan logging ABSTRACTPavement is one of the infrastructure components in logging activities that must be designed in order to serve heavy vehicle traffic. Austroads 2006 method and Bina Marga 2017 methodis a guide to design the thickness of logging pavement. Case study for this research was conducted in Penajam District, East Kalimantan. Based on the data obtained from the planner consultant, the CBR value on the road plan is divided into four segments with CBR value in segment 1 = 3%, segment 2 = 9%, segment 3 = 29% and segment 4 = 9%. The planning is done with 10 years and 3% growth rate. Types of pavement used for both methods is granular. The results of pavement thickness planning using Austroads 2006 method for segment 1 = 480 mm, segment 2 = 320 mm, segment 3 = 160 mm and segment 4 = 320 mm. The results of pavement thickness planning using Bina Marga 2017 method for segment 1 = 480 mm, segment 2 = 260 mm, segment 3 = 140 mm and segment 4 = 260 mm.Keywords: thickness design of pavement logging

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,407
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,014
Tête enseignante GPT0,228
Écart entre enseignants0,213 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRekaRacana Jurnal Teknil SipilMême sujetGeotechnical and construction materials studiesTravaux en français237 207