Identifikasi Nilai Embodied Energy sebagai Upaya Mitigasi Energi dalam perencanaan Bangunan
Bibliographic record
Abstract
Siklus bangunan terdiri atas berbagai tahapan sepanjang daur hidup bangunan tersebut, dimana setiap tahapan mengandung kebutuhan energi yang menyertai aktivitasnya. Energi ini disebut Embodied Energy (EE). Nilai EE dapat menjadi dasar perhitungan potensi besaran Emission Carbon (EC) yang akan ditimbulkan suatu bangunan sehingga potensi dampak lingkungan akibat EC dapat diukur. Paper ini bertujuan menjelaskan hasil perhitungan EE material pada pembangunan perumahan sederhana di Indonesia. Harapannya adalah nilai EE ini dapat digunakan sebagai pertimbangan dalam upaya mitigasi energi, yang pada akhirnya akan menjadi mitigasi potensi EC dan mencegah dampak kerusakan lingkungan sejak dini. Di sisi lain, kebutuhan perumahan sederhana yang bersifat massal membutuhkan pasokan material bangunan dalam jumlah besar. Mitigasi energi akibat penggunaan material yang besar ini diharapkan dapat dilakukan melalui pengukuran nilai EE. Metode penelitian yang digunakan adalah metode perhitungan nilai EE material perumahan sederhana serta analisis data secara kuantitatif, sehingga diketahui nilai EE yang signifikan dihasilkan oleh jenis pekerjaan tertentu, yang hasilnya digunakan untuk merumuskan usulan mitigasi. Hasil perhitungan EE material pada tipe-tipe perumahan sederhana menunjukkan bahwa komponen bangunan dengan nilai EE terbesar adalah pada pekerjaan dinding (35%-45%) dan pekerjaan atap bangunan (46%-48%). Berdasarkan hal itu, maka kedua item pekerjaan tersebut akan menjadi fokus mitigasi, melalui upaya penurunan nilai EE material yang tinggi melalui perencanaan desain dan usulan subtitusi material. Kunci keberhasilan dari kedua mitigasi energi tersebut ada pada efisiensi penggunaan volume material dan penggunaan material alternatif dengan nilai EE rendah yang dipilih untuk subtitusi.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".