MétaCan
Menu
Retour à la cohorte
Enregistrement W2982560640 · doi:10.51179/vrs.v10i5.708

PENGARUH SULFAT DALAM AIR TANAH SEBAGAI AIR CAMPURAN TERHADAP KUAT TEKAN BETON DENGAN NILAI FAS 0,65

2018· article· id· W2982560640 sur OpenAlexaff
R. Dedi Iman Kurnia, Syarizal Fhonna, Syifaul Husni, Suhaimi Suhaimi

Notice bibliographique

RevueVariasi /Variasi · 2018
Typearticle
Langueid
DomaineEngineering
ThématiqueGeotechnical and construction materials studies
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsEnvironmental scienceAnimal science

Résumé

récupéré en direct d'OpenAlex

Kuat tekan beton dipengaruhi oleh unsur-unsur pembentuk beton, salah satunya adalah air yang berfungsi sebagai pemicu proses kimiawi semen sebagai bahan perekat dan melumasi agregat supaya mudah dikerjakan. Proses kimiawi semen dan kuat tekan beton sangat tergantung dari kandungan yang terdapat dalam air campuran. Penelitian ini dilakukan untuk melihat pengaruh kandungan sulfat dalam air tanah yang digunakan untuk campuran beton terhadap kuat tekan. Metode penelitian ini adalah eksperimental, yaitu mengambil beberapa sampel air tanah yang terdapat di wilayah pesisir Kabupaten Bireuen untuk diuji kandungan kimianya. Air tanah tersebut kemudian digunakan untuk campuran beton dengan faktor air semen (FAS) 0,65. Uji kuat tekan beton dilakukan pada umur 3, 7, 14 dan 28 hari. Hasil penelitian menunjukkan bahwa ion sulfat yang terkandung dalam air campuran beton berpengaruh negatif terhadap kuat tekan beton. Sehingga, semakin besar kadar kandungan sulfat dalam air campuran maka kuat tekan beton semakin kecil. Air campuran beton yang mengandung ion sulfat juga memperlambat proses hidrasi dan perkerasan beton sesuai dengan konsentrasi kadar kandungan sulfatnya.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,474
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,010
Tête enseignante GPT0,208
Écart entre enseignants0,198 · 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'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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVariasi /VariasiMême sujetGeotechnical and construction materials studiesTravaux en français237 207