MétaCan
Menu
Retour à la cohorte
Enregistrement W4381621688 · doi:10.31315/psb.v4i1.8832

Pengaruh Kemiringan Lereng terhadap Nilai Laju Erosi di PT Darma Henwa Bengalon Coal Project

2023· article· id· W4381621688 sur OpenAlexaff
Roseva Rahmawati Maha, Aditya Pandu Wicaksono, Nandra Eko Nugroho, Herwin Lukito, Suharwanto Suharwanto

Notice bibliographique

RevueProsiding Seminar Nasional Teknik Lingkungan Kebumian SATU BUMI · 2023
Typearticle
Langueid
DomaineEarth and Planetary Sciences
ThématiqueGeological and Geophysical Studies
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsForestryGeography

Résumé

récupéré en direct d'OpenAlex

PT Darma Henwa melakukan kegiatan reklamasi pada lahan bekas tambang sebagai salah satupenanggulangannya, namun tidak menutup kemungkinan tetap terjadi erosi pada lahan reklamasi. Tujuan daripenelitian untuk mengetahui besar laju erosi berdasarkan kemiringan lereng datar, miring, dan curam,mengetahui faktor pengaruh dari curah hujan dan vegetasi terhadap erosi. Metode untuk penentuan titikpengukuran erosi dan pengambilan sampel tanah adalah purposive sampling. Pengukuran erosi menggunakanmetode tongkat dengan menghitung penurunan tanah pada tongkat. Melakukan analisis statistik korelasi pearson.Lahan reklamasi dengan kemiringan lereng datar didapatkan nilai erosi sebesar 66,86 ton/ha/thn, kemiringanlereng miring sebesar 46,11 ton/ha/thn, dan kemiringan lereng curam sebesar 32,29 ton/ha/thn. Hasil tersebutmenunjukan erosi yang dihasilkan tidak signifikan berpengaruh oleh faktor hujan pada kemiringan lerengtertentu, melainkan adanya pengaruh dari faktor lain yaitu vegetasi. Pada kemiringan lereng curam dan miringmemiliki nilai coverage yang lebih tinggi sebesar 236,80 m2 dan 115,56 m2 dibandingkan nilai coverage padakemiringan lereng datar sebesar 41,02 m2, hal ini menyebabkan erosi pada kemiringan lereng datar lebih besar.Hasil analisis korelasi antara intensitas hujan dengan nilai erosi termasuk kedalam klasifikasi sangat kuat, nilai Rpada kemiringan lereng datar sebesar 0,9181, kemiringan lereng miring sebesar 0,9118 dan kemiringan lerengcuram sebesar 0,9106.Kata Kunci: Erosi; Tongkat; Kemiringan Lereng; Lahan Reklamasi; Vegetasi

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,044
Tête enseignante GPT0,261
Écart entre enseignants0,217 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProsiding Seminar Nasional Teknik Lingkungan Kebumian SATU BUMIMême sujetGeological and Geophysical StudiesTravaux en français237 207