STUDI SEDIMENTASI GUNA PENENTUAN UMUR RENCANA WADUK PADA WADUK JATIBARANG KOTA SEMARANG
Bibliographic record
Abstract
Salah satu permasalahan pada operasional sebuah waduk adalah sedimentasi. Kapasitas tampungan waduk dipengaruhi oleh volume sedimen yang masuk ke waduk. Akibat sedimentasi dapat berpengaruh terhadap umur waduk. Untuk menanggulangi permasalahan sedimentasi pada waduk perlu diketahui perkiraan volume sedimen yang masuk ke waduk. Analisis jumlah sedimen yang masuk ke Waduk Jatibarang dilakukan dengan menjumlahkan total sedimen layang dan sedimen dasar. Simulasi dilakukan selama umur rencana waduk yaitu 50 tahun. Sedimen layang dihitung dengan menurunkan persamaan dari data pengukuran debit air dan konsentrasi sedimen. Sedimen dasar dianalisis melalui pendekatan rumus empirik dari Meyer-Petter Muller. Adapun total perkiraan sedimen yang masuk ke waduk selama 50 tahun adalah sebesar 7.629.799,05 m3. Selanjutnya perhitungan sedimen yang mengendap dilakukan dengan metode trap efficiency oleh Brune dan menghasilkan nilai sebesar 6.643.514,71 m3. Dari perhitungan diketahui volume akhir waduk pada tahun ke-50 adalah 13.756.485,29 m3. Sedimen yang mengendap di waduk diperkirakan sebesar 132.870,29 m3 per tahun. Dengan menggunakan data volume dead storage berdasar data teknis waduk 6.800.000 m3, dihitung sisa volume yang ada yaitu sebesar 156.485,29 m3. Perhitungan sisa umur waduk diperoleh dengan membandingkan sisa volume dengan volume sedimen per tahun. Berdasarkan hasil analisa, dapat disimpulkan bahwa rencana umur Waduk Jatibarang adalah 51,1 tahun. Kata Kunci: sedimentasi, sedimen layang, sedimen dasar, trap efisiensi, Waduk Jatibarang
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
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".