Estimasi Angkutan Sedimen Dasar pada Saluran Sand Trap Daerah Irigasi Gumbasa
Bibliographic record
Abstract
Informasi dari pihak Balai Wilayah Sungai Sulawesi 3 Daerah Irigasi Gumbasa membutuhkan data sedimentasi dasar (bed load) yang akan digunakan untuk memprediksi frekuensi penggelontoran jumlah sedimen dasar pada saluran sand trap. Daerah Irigasi Gumbasa terletak di Daerah lembah Palu yang memanjang dari kaki hulu Sungai Gumbasa mengalir hingga Sungai Kawatuna di Kota Palu. Daerah Irigasi Gumbasa melayani 5 Kecamatan yang berada di Kabupaten Sigi dan Kota Palu yaitu : Kecamatan Gumbasa, Tanambulaya, Dolo, Sigi Biromaru dan Palu Selatan, Daerah Irigasi Gumbasa memiliki luas area seluas 1.737 Ha. Penelitian ini bertujuan untuk mengetahui jumlah angkutan sedimen dasar pada Saluran Sand Trap Daerah Irigasi Gumbasa. Pada penelitian ini dilakukan pengambilan sampel bed load, kecepatan aliran dan kedalaman ailira pada saluran. Pengambilan sampel dilakukan di dua musim yaitu pada awal musim hujan (bulan Februari) dan akhir musim hujan (bulan Maret). Tujuan pengambilan sampel di dua waktu yang berbeda untuk mengetahui perbedaan jumlah angkutan sedimen pada waktu tersebut. Sampel sedimen kemudian diuji di laboratorium untuk mendapatkan ukuran diameter butiran dengan prosentase lolos 90% dan 50 (D90 dan D50). Data-data yang telah diperoleh selanjutnya dianalisis menggunakan persamaan Meyer-Peter-Muller. Hasil analisis menunjukan jumlah angkutan sedimen dasar pada awal musim hujan menggunakan persamaan Meyer-Peter-Muller sebesar 184,966 m3/hari sedangkan pada akhir musim hujan jumlah angkutan sedimen dasar menggunakan persamaan Meyer-Peter-Muller sebesar 38,494 m3/hari.
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 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 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".