Pengaruh Kadar Air Pada Parameter Geser Tanah Organik yang \nDistabilisasi dengan Limbah Karbit dan Abu Ampas Tebu
Notice bibliographique
Résumé
Tanah organik terbentuk oleh pelapukan tumbuhan dan binatang yang memiliki sifat-sifat fisika dan \nmekanika sangat buruk. Oleh sebab itu, perbaikan tanah organik perlu diupayakan. Penelitian ini \nbertujuan untuk mengkaji efektifitas bahan stabilisator limbah karbit (CCR) dan abu ampas tebu \n(AAT) untuk stabilisasi tanah organik, dan melakukan investigasi mengenai pengaruh kadar air \nterhadap perubahan parameter geser tanah organik yang distabilisasi dengan CCR dan AAT. Untuk \nmencapai tujuan tersebut dilakukan serangkaian pengujian laboratorium. Pertama pengujian \nkomposisi kimia tanah organik, limbah karbit, dan abu ampas tebu. Kedua pengujian sifat mekanika \ntanah yang meliputi pengujian kohesi dan sudut gesek dalam tanah asli maupun tanah yang \ndistabilisasi CCR dan AAT. Tanah organik dicampur dengan bahan tambah (60%CCR + 40%AAT) \ndengan proporsi : 5,10,15,20,25, dan 30% pada kadar air yang berbeda (468%, 518%, dan 568%) \ndan diperam dalam waktu : 7,14,21 dan 36 hari. Kemudian tanah yang sudah distabilisasi diuji geser \nlangsung untuk menentukan parameter geser. Hasil penelitian menunjukkan bahwa kohesi (c) dan \nsudut gesek dalam (ϕ) meningkat proporsional dengan peningkatan kadar bahan tambah. Zona aktif \nterlihat pada kadar bahan tambah antara 10 s.d. 20%, yang berarti kadar bahan tambah optimum \nterjadi pada proporsi 20%. Peningkatan parameter geser tersebut juga proporsional terhadap waktu \npemeraman. Sampai dengan waktu peram 36 hari, parameter geser terus meningkat. Namun \ndemikian perubahan kadar air tidak banyak berpengaruh pada peningkatan parameter geser tanah \nyang distabilisasi.
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) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,022 |
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 ».