ANALISIS KERUSAKAN JALAN PADA RUAS JALAN RAYA JEPARA – BANGSRI KABUPATEN JEPARA DENGAN MENGGUNAKAN METODE BINA MARGA DAN PCI ( PAVEMENT CONDITION INDEX )
Notice bibliographique
Résumé
Jalan Raya Jepara - Bangsri merupakan Jalan Provinsi dan termasuk jalan yang mengalami kerusakan jalan yang cukup parah. Sehingga diperlukan adanya analisis yang mengkaji tentang beberapa jenis kerusakan jalan tersebut serta penanganan yang sesuai dengan kerusakan jalan tersebut. Berdasarkan hasil analisis yang didapat jenis kerusakan yang terjadi pada ruas Jalan Raya Jepara-Bangsri KM 16 s/d KM 18 jika ditinjau dengan metode PCI dan Bina Marga memiliki peresentasi kerusakan sebesar Retak buaya (38,75%), Retak Blok (17,39%), Retak Pinggir (8,89%), Lubang (17,49%), Tambalan (12,99%), Pengausan (10,89%), dan amblas (3,59). Untuk penilaian kondisi jalan dengan metode PCI diperoleh rata-rata sebesar 55,523 yang termasuk dalam kategori sedang (Fair), sedangkan untuk metode Bina Marga diperoleh rata-rata nilai urutan prioritas sebesar 7,2. Hasil dari keduanya memiliki jenis penanganan yang sama yaitu Pemeliharaan Rutin. Untuk menghindari kerusakan jalan yang semakin parah maka perlu adanya perhitungan mengenai rencana tebal lapis tambahan perkerasan lentur. Berdasarkan hasil jenis nomogram 3 dengan Ipt = 2,0 dan Ipo = 4 sehingga diperoleh tebal perkerasan laston AC-WC (lapis aus) tebal 7,5 cm, AC-BC (lapis antara) tebal 10 cm, dan Lapis pondasi Sirtu kelas A tebal 12 cm.
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 | 0,001 | 0,000 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».