ANALISIS KINERJA PENGELOLAAN AIR HUJAN DENGAN SISTEM PEMANENAN AIR HUJAN DAN INFILTRATION TRENCH DI PERUMAHAN DOSEN UNSRI KELURAHAN BUKIT LAMA
Notice bibliographique
Résumé
Perubahan tata guna lahan mempengaruhi jumlah runoff yang dapat meresap ke dalam tanah. Permasalahan ini dapat ditemukan di Perumahan Dosen UNSRI. Hal ini dapat diatasi dengan pengelolaan air dari hujan seperti Infiltration Trench (parit infiltrasi) maupun Rain Water Harvesting (permanen air hujan. Penelitian ini bertujuan untuk menganalisis scenario terbaik dalam pengolahan air hujan di daerah penelitian untuk mengurangi runoff berlebih yang terjadi. Data curah hujan harian, tata guna lahan, premeabilitas tanah dan pengukuran lahan serta dimensi drainase existing digunakan dalam analisis algoritma. Penentuan skenario efektif dilakukan dengan analisis algoritma serta dengan memperhitungkan RAB. Skenario yang meliputi infiltration trench kedalaman 1 m serta sistem PAH dengan volume tangki 2 m3 memiliki efektivitas rata-rata terbesar yaitu 55,33%, apabila dibanding dengan skenario Infiltration Trench kedalamam 1 m saja, dapat dikatakan bahwa sistem PAH membawa efektivitas sebesar 23,94%. Sebaliknya dengan penambahan pada implementasi Infiltration Trench hanya meningkatkan efektivitas sebesar 18,4%. Rencana Anggaran Biaya total pada implementasi Infiltration Trench ialah 2 kali lipat dari Sistem PAH. Maka ditetapkan skenario terbaik yaitu implementasi Sistem PAH dengan volume tangki 2 m3. Skenario ini memiliki nilai efektivitas pengurangan runoff rata-rata sebesar 37,05% dari 3 data tahun yang digunakan dan biaya sebesar 1,8 Miliyar Rupiah untuk keseluruhan 194 rumah.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».