MétaCan
Menu
Retour à la cohorte
Enregistrement W4381621764 · doi:10.31315/psb.v4i1.8907

Karakteristik dan Potensi Mata Air Panas Untuk Pengeringan Biji Kopi Di Candi Gedong Songo, Desa Candi, Kecamatan Bandungan, Kabupaten Semarang, Provinsi Jawa Tengah

2023· article· id· W4381621764 sur OpenAlexaff
Ichsan Azrian, Ayu Utami, Johan Danu Prasetya

Notice bibliographique

RevueProsiding Seminar Nasional Teknik Lingkungan Kebumian SATU BUMI · 2023
Typearticle
Langueid
DomaineComputer Science
ThématiqueIoT-based Control Systems
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsChemistry

Résumé

récupéré en direct d'OpenAlex

Daerah penelitian memiliki manifestasi panas bumi berupa mata air panas dengan sebagian besar penduduknya melakukan usaha pertanian, termasuk petani kopi. Biji kopi untuk dapat dikonsumsi memerlukan proses pengeringan. Pengeringan menggunakan mata air panas tidak akan menghasilkan emisi dan tidak mengkhawatirkan cuaca. Daerah penelitian memiliki curah hujan yang tinggi. Penelitian dilakukan di Candi Gedong Songo, Desa Candi, Kecamatan Bandungan, Kabupaten Semarang, Provinsi Jawa Tengah. Tujuan penelitian ini adalah untuk mengetahui karakteristik dan potensi mata air untuk pengeringan biji kopi di Desa Candi. Metode yang digunakan dalam penelitian yaitu survei lapangan, uji laboratorium dan analisis kimia. Hasil penelitian menunjukkan suhu permukaan mata air panas 63 oC, pH 2.7 dan debit mata air 0.325 l/s. Daerah penelitian memiliki curah hujan yang tinggi. Tipe mata air panas berdasarkan analisis kimia yaitu air sulfat (SO4). Mata air panas berada pada zona immature water. Perkiraan suhu reservoir menggunakan metode geothermometer yaitu 354 oC masuk ke dalam entalpi tinggi. Mata air panas di daerah penelitian memiliki potensi yang baik untuk dimanfaatkan sebagai pengeringan biji kopi.Kata Kunci: Geothermometer, Manifestasi, Mata Air Panas, Pengeringan, Potensi, Biji kopi, Pengeringan

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

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 Opus0,020
Tête enseignante GPT0,242
Écart entre enseignants0,223 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProsiding Seminar Nasional Teknik Lingkungan Kebumian SATU BUMIMême sujetIoT-based Control SystemsTravaux en français237 207