ANALISIS MODULUS GESER MAKSIMUM TANAH LEMPUNG EKSPANSIF DENGAN PERKUATAN SERAT IJUK BERDASARKAN METODE EMPIRIS
Bibliographic record
Abstract
Tanah lempung merupakan agregat partikel-partikel berukuran mikroskopis yang berasal dari pelapukan kimia unsur-unsur penyusun batuan. Tanah lempung umumnya mempunyai sifat-sifat sebagai berikut: daya dukung rendah, kompresibilitas tinggi, ukuran butirannya halus, mempunyai indeks plastisitas (PI) tinggi, kadar air dilapangan relatif tinggi, dan biasanya mengandung bahan-bahan organik. Untuk mengatasi permasalahan rendahnya kuat geser tanah lempung maka dilakukan stabilisasi dan perkuatan tanah dengan menggunakan serat ijuk. Serat ijuk merupakan salah satu serat yang tahan terhadap asam dan garam air laut. Selain itu ijuk tidak mudah busuk baik dalam keadaan terbuka (tahan terhadap cuaca) maupun tertanam dalam tanah, kuat tarik cukup tinggi, murah, dan mudah didapat. Prosentase serat ijuk yang digunakan sebesar 2 %, 4 %, 6 %, 8 % dan 10 % dari berat total tanah. Berdasarkan hasil analisa data diperoleh peningkatan nilai parameter kuat geser (φ dan c) tanah lempung ekspansif, peningkatan optimum terjadi pada penambahan serat 6 %. Pada penambahan serat ijuk diatas 6 % terjadi penurunan nilai parameter kuat geser (φ dan c) tetapi masih lebih besar dari nilai parameter kuat geser (φ dan c) tanah lempung ekspansif tanpa penambahan serat ijuk. Prosentase peningkatan nilai kuat geser tertinggi sebesar 100 % diperoleh pada penambahan 6 % serat ijuk. Berdasarkan pada uji laboratorium, nilai modulus geser tanah ( didapat dengan menggunakan rumus yang dikembangkan oleh Hardin dan Black (1969), dan dari kurva hubungan antara tegangan regangan pada uji geser langsung. Hasil secara empiris menunjukkan bahwa tanah lempung ekspansif Desa Tanak Awu mempunyai ( berturut-turut adalah = 78,90 kPa; 109,77 kPa; 116,16 kPa; 123,86 kPa; 129,94 kPa; 139,30 kPa, dengan prosentase serat berturut-turut (0%, 2%, 4%, 6%, 8%, 10%). Sedangkan dari uji geser langsung tanah lempung ekspansif Desa Tanak Awu mempunyai ( berturut-turut adalah = 78,30 kPa; 97,90 kPa; 101,20 kPa; 109,60 kPa; 115,70 kPa; 138,60 kPa, dengan prosentase serat berturut-turut (0%, 2%, 4%, 6%, 8%, 10%). Jika modulus geser maksimum ( dihubungkan dengan percepatan gempa (a), dan kecepatan gelombang geser (Vs), maka nilai modulus geser secara empiris maupun yang didapat dari uji geser, akan mampu meredam kecepatan gelombang geser yang terjadi. Hal ini dibuktikan dengan kecepatan gelombang geser (Vs) yang diperoleh secara empiris lebih besar dari kecepatan golombang geser (Vs) dari IISEE, dimana Vs secara empiris berturut-turut 7,711 m/s (0%); 9,097 m/s (2%); 9,358 m/s (4%); 9,663 m/s (6%); 9,894 m/s (8%); 10,246 m/s (10%). Sedangkan Vs dari IISEE 2 – 5 m/s.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 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".