MétaCan
Menu
Retour à la cohorte
Enregistrement W4389053881 · doi:10.14710/jpl.2022.48814

Penentuan Status Mutu Air Sungai Pekalongan Menggunakan Metode Indeks Pencemaran (IP) dan CCME

2022· article· id· W4389053881 sur OpenAlexaboutno aff
Nurul Fadhilah Kusumaningtyas, Haeruddin Haeruddin, Anhar Solichin

Notice bibliographique

RevueJurnal Pasir Laut · 2022
Typearticle
Langueid
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhysicsForestryEnvironmental scienceHumanitiesGeographyArt

Résumé

récupéré en direct d'OpenAlex

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.

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)0,001
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 enseignants0,102
Score d'incertitude au seuil0,202

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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 Opus0,028
Tête enseignante GPT0,260
Écart entre enseignants0,232 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Pasir LautMême sujetWater Quality Monitoring TechnologiesTravaux en français237 207