Penentuan Status Mutu Air Sungai Pekalongan Menggunakan Metode Indeks Pencemaran (IP) dan CCME
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Sungai Pekalongan merupakan salah satu sungai di Kota Pekalongan, Jawa Tengah. Sebagian besar masyarakat di Pekalongan bermata pencaharian sebagai pengusaha batik, baik yang home industry atau perusahan besar. Hal tersebut dapat menyebabkan penurunan kualitas air dan dapat menimbulkan pencemaran air karena limbah tersebut dibuang secara langsung ke Sungai Pekalongan. Penelitian ini bertujuan untuk mengetahui peubah yang menyebabkan pencemaran di Sungai Pekalongan serta menentukan dan membandingkan status mutu air Sungai Pekalongan menggunakan metode Indeks Pencemaran (IP) dan metode Canadian Council of Minister of the Environment (CCME). Penelitian ini dilaksanakan pada bulan Februari 2022. Metode penelitian yang digunakan yaitu metode survei. Penentuan titik lokasi sampling menggunakan metode Purposive sampling. Pengambilan sampel dilakukan seminggu sekali dalam 1 bulan pada pagi hari hingga siang hari. Variabel yang diukur in situ yaitu suhu, pH, dan DO sedangkan variabel yang diukur ex situ yaitu TSS, BOD, COD, dan Cr6+. Hasil pengukuran kualitas air variabel suhu 28,1 ̊C, TSS 23,33 mg/L, pH 6,23, DO 3,89 mg/L, BOD 2,2 mg/L, COD 26,58 mg/L, dan Cr6+ 0,02 mg/L. Hasil pengukuran kemudian dibandingan dengan baku mutu kelas II sesuai dengan Peraturan Pemerintah Republik Indonesia Nomor 22 Tahun 2021 Tentang Penyelenggaraan Perlindungan dan Pengelolaan Lingkungan Hidup. Penentuan status mutu air menggunakan metode IP pada stasiun I memenuhi baku mutu sedangkan stasiun II dan 3 tercemar. Penentuan status mutu air menggunakan metode CCME memiliki nilai 71,05 yang tergolong dalam kriteria cukup
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle