Identifikasi Material Piroklastik Banjir Lahar dingin Hasil Erupsi Gunung Merapi yang Merusakkan Jaringan Pipa Air Bersih dengan Metode USCS di Kali Boyong
Notice bibliographique
Résumé
Kali Boyong berada di hulu Gunung Merapi yang menampung hasil erupsi yaitu material piroklastik. Bahaya sekunder dari erupsi adalah aliran lahar dingin. Aliran mengangkut batu, pasir, dan kerikil terendapkan di lereng bercampur air hujan, menjadi banjir apabila intensitas curah hujan yang terjadi cukup tinggi 40 mm/jam. Akibat peningkatan aktivitas sejak 5 November 2020 terjadi kenaikan jumlah material mengakibatkan kerusakan jaringan pipa air bersih. Tujuan penelitian adalah mengetahui karakteristik banjir lahar dingin yang merusakkan jaringan pipa air berdasarkan tipe material piroklastik yang terbawa aliran banjir lahar dingin. Metode yang digunakan kuantitatif, metode USCS dan metode kualitatif. Sampel diambil pada 3 tabung. Lokasi pengambilan disekitar titik kerusakan. Parameter uji analisis ukuran butir tanah menggunakan sampel sebanyak 100 gram. Hasil pengujian tabung 1, SM (Sand Silt) berbutir kasar, gradasi buruk, kategori pasir berlanau. Tabung 2, SW SM (Sand Well-Sand Silt) berbutir kasar, bergradasi buruk, dan campuran pasir berlanau. Tabung 3, GW GM (Gravel Well-Gravel Silt) berbutir kasar, bergradasi baik, kelompok kerikil sangat berpasir. Material pengujian didominasi ukuran butir pasir halus hingga sedang, menghanyutkan kerikil, kerakal, dan batu besar kerusakan jaringan pipa dimungkinkan material berukuran besar terbawa aliran ke sisi dalam dan menabrak alur sisi luar sungai saat melaluinya, lokasi pengambilan tidak sesuai.Kata Kunci: Banjir Lahar dingin; Material Piroklastik; USCS
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 ».