SEBARAN KUALITAS AIR DALAM ALIRAN SUNGAI KUIN KOTA BANJARMASIN
Notice bibliographique
Résumé
Banjarmasin merupakan kota yang dikenal dengan seribu sungai yang terletak diibukota Kalimantan. Salah satu sungai tersebut adalah sungai Kuin. Sungai sangatlah penting bagi masyarakat Kalimantan Selatan sehingga berkembang suatu aktivitas disungai,yang akan mempengaruhi kualitas air sungai. Pencemaran sungai kuin diakibatkan banyaknya limbah padat dan cair secara langsung sehingga sungai tersebut menurun kualitasnya. Besarnya aktivitas disepanjang sungai kuin akan berpengaruh terhadap kualitas air sungai, maka perlu dilakukan studi kualitas air sungai agar mengetahui kualitas air sungai tersebut untuk menentukan strategi pengendalian air sungai. Penelitian ini bertujuan untuk Menganalisis nilai kadar oksigen terlarut dalam aliran sungai Kuin Kota Banjarmasin dan didukung data kualitas air lainnya seperti BOD dan COD. Data diambil sepanjang sungai kuin dengan Jumlah stasiun pengambilan sampel dibagi menjadi 10 titik yang tersebar disepanjang sungai dengan jarak antar stasiun ± 400 m, dengan asumsi bahwa pada jarak ini terdapat perubahan sebaran oksigen terlarut dalam aliran sungai. Setiap stasiun diambil 3 kali pengulangan ( sisi kiri, tengah, dan sisi kanan ) sungai. Sehingga diperoleh 30 sampel air. Hasil analisis kualitas air Sungai Kuin yang dilakukan di Laboratorium Perikanan dan Kelautan Universitas Lambung Mangkurat diketahui konsentrasi DO sungai kuin berkisar 1,68 – 3,41 mg/l, nilain BOD dalam aliran sungai kuin berkisar 8 – 26,67 mg/l. Serta nilan COD Sungai Kuin berkisar 26,53 – 31,04 mg/l.Hasil perbandingan dengan baku mutu berdasarkan Peraturan gubernur Kalsel No. 05 Tahun 2007 kualitas sungai kuin tidak memenuhi baku mutu air kelas II. Dilihat dari hasil tersebut, kondisi sungai kuin telah mengalami pencemaran.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,009 |
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 ».