Pengaruh Penambahan Asbuton LGA B50/30 terhadap Kinerja Campuran Aspal Beton AC-WC Berdasarkan Parameter Marshall dan Indeks Kekuatan Sisa
Notice bibliographique
Résumé
Indonesia memiliki luas wilayah 1.904.569 km², sehingga pembangunan infrastruktur jalan menjadi tantangan besar, terutama karena ketergantungan terhadap impor aspal. Padahal, Indonesia memiliki cadangan aspal alam yang signifikan, salah satunya aspal Buton. Namun, pemanfaatannya masih terbatas karena kurangnya kesadaran industri akan potensinya.Penelitian ini bertujuan untuk menganalisis dampak penambahan Asbuton LGA B50/30 terhadap performa campuran Asphalt Concrete-Wearing Course (AC-WC) berdasarkan pengujian Marshall dan Indeks Kekuatan Sisa (IKS). Metode yang digunakan meliputi pembuatan campuran AC-WC dengan gradasi rapat dan variasi kadar aspal penetrasi 60/70 sebesar 5%; 5,5%; 6%; 6,5%; dan 7%. Campuran ini kemudian dimodifikasi dengan penambahan Asbuton LGA B50/30 sebesar 0%; 5%; 7,5%; 10%; 12,5%; dan 15%, yang selanjutnya diuji dengan perendaman pada suhu 60°C selama 24 jam. Hasil penelitian menunjukkan bahwa kadar aspal optimum (KAO) adalah 6,925%, sementara kadar Asbuton optimum ditemukan sebesar 2,85%. Penambahan Asbuton LGA B50/30 dalam jumlah optimal meningkatkan stabilitas dan durabilitas campuran AC-WC, dengan nilai IKS mencapai 90,31%, yang telah memenuhi standar Spesifikasi Umum Bina Marga 2018 Revisi 2. Dengan demikian, pemanfaatan Asbuton berpotensi mengurangi ketergantungan pada aspal impor serta meningkatkan ketahanan perkerasan jalan di Indonesia.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 ».