Kajian Teknologi Alternatif Pengolahan Sampah Padat Perkotaan menjadi Energi Terbarukan Ramah Lingkungan
Notice bibliographique
Résumé
Seiring dengan bertambahnya jumlah penduduk dan pertumbuhan ekonomi, maka terjadi peningkatan timbunan sampah di hampir semua kota di Indonesia. Sementara kondisi tempat pembuangan akhir (TPA) sampah saat ini sudah atau hampir penuh, sehingga tidak bisa menampung sampah lebih banyak lagi. Oleh karena itu, perlu ada solusi jangka pendek untuk menjawab permasalahan kedaruratan sampah ini. Kajian ini menganalisis beberapa teknologi alternatif yang dapat digunakan untuk mengolah sampah padat perkotaan menjadi sumber energi. Dari hasil review, teknologi termal merupakan proses yang paling cepat dan meninggalkan residu yang paling sedikit. Teknologi termal yang dapat diterapkan yaitu pembakaran/insinerasi, gasifikasi, dan pirolisis. Teknologi insinerasi dapat digunakan pada skala besar karena melibatkan proses yang menggunakan ketel uap (boiler) dan turbin. Sementara gasifikasi lebih cocok diterapkan pada skala yang lebih kecil dengan menggunakan mesin gas atau mesin diesel sebagai pembangkit listriknya. Sedangkan pirolisis lebih sesuai untuk jenis sampah homogen dan tertentu seperti plastik dan ban bekas.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 ».