MétaCan
Menu
Retour à la cohorte
Enregistrement W3007933780 · doi:10.20527/bpi.v1i1.5

Analisis Kelayakan Desain Material Recovery Facility (Mrf) Dalam Pengelolaan Sampah Di Tpa Hutan Panjang Kota Banjarbaru

2018· article· id· W3007933780 sur OpenAlexaff
Candra Yuliana

Notice bibliographique

RevueBuletin Profesi Insinyur · 2018
Typearticle
Langueid
DomaineEnvironmental Science
ThématiqueWaste Management and Recycling
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésForestryEnvironmental sciencePhysicsGeography

Résumé

récupéré en direct d'OpenAlex

Pengelolaan sampah di Kota Banjarbaru masih belum maksimal. Hal ini terlihat dari sampah yang dikumpulkan di TPS kemudian diangkut dan ditimbun begitu saja di landfill TPA tanpa pengolahan. Perencanaan Material Recovery Facility (MRF) di TPA Hutan Panjang Gunung Kupang Kota Banjarbaru dapat digunakan sebagai salah satu alternatif untuk mengurangi volume sampah yang masuk ke TPA Hutan Panjang, menghemat kebutuhan lahan landfill, dan memperpanjang umur lahan TPA. Pengelolaan yang dilakukan adalah komposting sampah organik dengan sistem open windrow dan pemanfaatan kembali sampah anorganik yang mempunyai nilai jual. Komponen MRF yang dibutuhkan adalah lahan pemilahan, lahan penempungan sampah organik, lahan pencampuran sampah organik dengan EM4 (biostater), lahan pengomposan, tempat penyimpanan sampah kering (barang sortir), tempat penyimpanan kompos serta kantor administrasi. Lahan yang dibutuhkan untuk bangunan pengolahan sampah (MRF) adalah 12031,5 m2 dan rencana anggaran biaya yang diperlukan untuk biaya pembangunan dan penyediaan peralatan MRF sebesar Rp 10.563.047.380,00. Berdasarkan analisis kelayakan ekonomi dengan berbagai alternatif pembiayaan baik itu dengan pembiayaan dari pemerintah ataupun dengan pinjaman lunak menunjukkan pembangunan MRF ini layak untuk direalisasikan. Kata kunci: Analisa Ekonomi, Banjarbaru, Komposting, Material Recovery Facility

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)0,002
score de la tête « metaresearch » (Gemma)0,000
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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,270
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,007

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 Opus0,018
Tête enseignante GPT0,238
Écart entre enseignants0,220 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBuletin Profesi InsinyurMême sujetWaste Management and RecyclingTravaux en français237 207