PERENCANAAN PELAKSANAAN PEKERJAAN PILE CAP PADA PROYEK PEMBANGUNAN GEDUNG IGD UPT RUMAH SAKIT NYITDAH TABANAN
Bibliographic record
Abstract
Perencanaan pelaksanaan dalam menejemen proyek sangatlah penting. Perencanaan pelaksanaan proyek adalah suatu tahapan yang diterapkan dalam manjemen proyek dengan menetapkan sasaran dan tujuan yang harus dicapai serta menentukan kebijakan segala program teknis dan administratif agar dapat diimplementasikan. Perencanaan pelaksanaan pada proyek pembangunan menggunakan metode pengumpulan data dengan teknik kepustakaan dan dokumentasi, data yang diperoleh berupa data sekunder dan primer. Metode pelaksanaan dilapangan menggunakan metode kovensional dan mekanis untuk memaksimalkan pekerjaan salah satunya pekerjaan pile cap. Pile cap merupakan suatu cara untuk mengikat pondasi sebelum didirikan kolom di bagian atasnya. Pile cap ini bertujuan agar lokasi kolom benar – benar berada dititik pusat pondasi sehingga tidak meyebabkan eksentrisitas yang dapat menyebabkan beban tambahan pada pondasi. Pile cap yang dikerjakan pada proyek Pembangunan Gedung IGD UPT Rumah Sakit Nyitdah Tabanan ini menggunakan empat jenis pile cap dan metode pelaksanaan pada lapangan menggunakan metode mekanis. Hasil penjadwalan dalam penulisan jurnal ini menggunakan metode Precedence Diagram Method (PDM). Total durasi berdasarkan hitungan yaitu 45 hari dengan rencana anggaran biaya (RAB) termasuk PPN 10% sebesar Rp7.645.657.919,78.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.046 | 0.014 |
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".