Studi Teknis Genset Termodifikasi Menggunakan Gas Alam dengan Variasi Tekanan Masukan
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Setiap tahunnya jumlah pelanggan listrik di Indonesia mengalami peningkatan. Namun, di sisi lain, masih banyak daerah yang belum mendapatkan suplai listrik atau sering mengalami gangguan. Oleh karena itu, dibutuhkan generator set (genset) sebagai suplai listrik utama atau cadangan untuk daerah-daerah tersebut. Gas alam dapat digunakan sebagai bahan bakar genset karena ketersediaannya di Indonesia yang melimpah dan ramah lingkungan. Namun, ketersediaan genset berbahan bakar gas di Indonesia masih sangat jarang, sehingga dibutuhkan peralatan tambahan seperti regulator, kit konverter, dan alat pencampur udara dengan gas agar dapat digunakan pada genset bensin. Dengan latar belakang dan potensi tersebut, pengujian dilakukan untuk mengetahui kinerja genset termodifikasi ketika menggunakan bahan bakar gas alam. Metode yang digunakan adalah membandingkan kinerja mesin dengan memvariasikan nilai tekanan masukan genset, yaitu 0,5 bar dan 0,03 bar. Hasil yang diamati adalah nilai SFC, kualitas daya, temperatur gas buang, dan tingkat kebisingan yang dihasilkan genset. Hasil dari pengujian ini adalah tegangan dan frekuensi yang dihasilkan genset masih dalam batas normal yang ditentukan, suhu gas buang dan tingkat kebisingan yang dihasilkan ketika tekanan masukan 0,5 bar dan 0,03 bar relatif sama, dan nilai SFC yang dihasilkan ketika tekanan masukan 0,5 bar lebih kecil 5,7-25% dibandingkan dengan nilai SFC pada tekanan masukan 0,03 bar.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.002 | 0.006 |
| Insufficient payload (model declined to judge) | 0.000 | 0.001 |
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 it