Program Pemanfaatan Timbunan Sampah Organik di Pasar Induk Gedebage Kota Bandung Menjadi Eco Enzyme dan Kompos Organik
Bibliographic record
Abstract
Penyebab masalah sampah menjadi salah satu tantangan yang dihadapi oleh berbagai kota di seluruh dunia. Indonesia, sebagai salah satu negara berkembang, memiliki kontribusi besar dalam masalah sampah global. Bandung, sebuah kota di Indonesia, juga menghadapi masalah serupa, hingga masuk kategori darurat sampah. Pada tahun 2023, terdapat 30 Tempat Pengelolaan Sampah (TPS) di Bandung yang telah mencapai kapasitas maksimal, dan disebabkan kendala yang dialami Tempat Pembuangan Akhir (TPA), seperti kapasaitas berlebih dan rentan terjadinya kebakaran hingga ledakan gas metan . Selain itu, kurangnya peralatan berat yang memadai dan penumpukan sampah dewasa ini juga menjadi alasan mengapa pengiriman sampah ke TPA menjadi sulit. Kebakaran di TPA Sarimukti, yang diduga dipicu oleh percikan api. Faktor lain yang turut berperan dalam kebakaran ini adalah tumpukan sampah yang tinggi, menciptakan gas metan, serta cuaca kering yang lazim selama musim kemarau. Selain itu, garam juga disebarkan di atas TPA dalam harapan untuk memicu hujan yang dapat membantu memadamkan api. Sayangnya, usaha-usaha ini belum berhasil menghasilkan hujan yang sangat diharapkan untuk membantu pemadaman kebakaran di lokasi tersebut. Tujuan : Untuk mengatasi sebagian permasalahan penumpukan sampah (khususnya sampah organik) yang terjadi dikota Bandung, lebih spesifik di pasar induk Gedebage Kota Bandung. Metode : pemberdayaan masyarakat partisipatif dengan model the integrity process (pengembangan masyarakat bukan hanya mementingkan pencapaian hasil, melainkan proses) dan participation (pengembangan masyarakat sedapat mungkin memaksimalkan partisipasi masyarakat, dengan tujuan agar setiap orang dapat terlibat secara aktif dalam aktivitas dan proses masyarakat). Partisipasi ini juga harus didasarkan kepada kesanggupan masing-masing anggota masyarakat. Hasil : Melalui kegiatan pengabdian masyarakat dapat dihasilkan sebanyak 1.150 liter larutan eco enzyme dan 780 kg kompos organik. Kesimpulan : Program pemberdayaan masyarakat dalam mengatasi penumpukan sampah dapat dirasakan manfaatnya oleh lingkungan di pasar induk Gedebage, melalui: penuangan larutan eco enzym pada danau retensi, penyemprotan larutan eco enzyme pada selokan dan tumpukan sampah, serta pemanfaatan kompos organic untuk taman
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 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 | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.005 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.004 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.001 | 0.005 |
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; both teacher heads agree on what is shown here.
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".