MétaCan
Menu
Retour à la cohorte
Enregistrement W4381621700 · doi:10.31315/psb.v4i1.8891

Evaluasi Kualitas Air pada Badan Sungai Kali Biru Akibat Limbah Cair Industri Tahu di Desa Taman Agung, Kecamatan Muntilan, Kabupaten Magelang, Jawa Tengah

2023· article· id· W4381621700 sur OpenAlexaff
Gholam Zaki Dzamiri, Ika Wahyuning Widiarti, Muammar Gomareuzzaman

Notice bibliographique

RevueProsiding Seminar Nasional Teknik Lingkungan Kebumian SATU BUMI · 2023
Typearticle
Langueid
DomaineEnvironmental Science
ThématiqueHeavy Metal Pollution Remediation
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsEnvironmental engineeringEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Industri tahu yang terdapat di Desa Taman Agung, Kecamatan Muntilan, Kabupaten Magelang, Jawa Tengahmerupakan industri tahu rumahan skala kecil yang telah beroperasi sejak tahun 1992 dan membuang langsunglimbah cair hasil produksi ke Sungai Kali Biru. Dampak yang dirasakan masyarakat berupa timbulnya bau,perubahan warna, dan munculnya endapan pada sungai. Sungai Kali Biru dimanfaatkan oleh masyarakat sebagaisumber air pada lahan pertanian. Tujuan penelitian ini antara lain mengetahui kualitas limbah cair industri tahu,mengetahui status mutu air Sungai Kali Biru akibat limbah cair industri tahu dengan metode indeks pencemaran(IP), dan melakukan evaluasi kualitas air buangan dengan metode stream standard. Metode yang digunakandalam pengambilan sampel limbah cair tahu dan air sungai adalah metode purposive sampling. Hasil penelitianmenunjukkan parameter BOD, COD, dan pH tidak sesuai dengan baku mutu. Ketidaksesuaian nilai tersebut sertaterjadinya peningkatan nilai parameter TSS setelah outlet air limbah tahu diasumsikan bahwa limbah cair tahusebagai pencemar air Sungai Kali Biru. Nilai indeks pencemaran pada titik sampel 7 sebesar 0,4954 memenuhibaku mutu (kondisi baik) dan titik 15 sebesar 4,8533 tercemar ringan. Nilai evaluasi kualitas air sungaiparameter BOD sebesar 2,1208, COD sebesar 16,0786, TSS 0,05 dan pH sebesar 7,0996.Kata kunci: Industri tahu; limbah cair tahu; status mutu air

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)0,004
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,023
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0230,004

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 Opus0,036
Tête enseignante GPT0,287
Écart entre enseignants0,251 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProsiding Seminar Nasional Teknik Lingkungan Kebumian SATU BUMIMême sujetHeavy Metal Pollution RemediationTravaux en français237 207