Studi Analisis Penyebab Kelongsoran Timbunan Dan Perencanaan Perkuatan Pada Ruas Jalan Tol Surabaya – Mojokerto STA 14+500 S.D. STA 15+350
Bibliographic record
Abstract
Jalan tol Surabaya - Mojokerto merupakan jalan tol yang menghubungkan Kota Surabaya dan Kota Mojokerto. Adanya jalan tol tersebut diharapkan dapat memicu pertumbuhan ekonomi di sekitar kawasan yang dilaluinya. Selain kondisi topografi yang tidak rata, jalan tol Surabaya - Mojokerto juga dibangun di atas timbunan setinggi 10 meter. Pada STA 14+500 s.d STA 15+350 diketahui ketebalan lapisan tanah lunak mencapai 9 meter; hal ini kemungkinan menjadi penyebab terjadinya kelongsoran pada saat umur timbunan mencapai 3 bulan dengan ketinggian 8 meter dimana masih kurang dari tinggi timbunan rencana. Untuk itu perlu dilakukan evaluasi penyebab kelongsoran dan alternatif perbaikannya agar kelongsoran tidak terjadi lagi pada ruas jalan tol tersebut. Berdasarkan hasil observasi lapangan, data tanah dan data teknis diketahui bahwa tidak ada perkuatan dan PVD (Prefabricated Vertical Drain) yang dipasang dibawah timbunan. Hal ini diperkuat dengan hasil analisis stabilitas lereng yang dilakukan menggunakan program bantu XSTBL diperoleh nilai SF 0,887 s/d 1,157. Angka keamanan ini menunjukkan bahwa timbunan tersebut tidak stabil, dengan kata lain daya dukung tanah dibawah timbunan tidak mencukupi untuk menahan beban setinggi 8 meter sehingga terjadi kelongsoran. Oleh karena itu, perlu direncanakan sistem perkuatan timbunan dengan pemasangan geotextile dan pemasangan spunpile pada tanah dasar dibawah timbunan. Untuk perhitungannya, perlu diperhatikan kenaikan daya dukung akibat pemampatan yang telah terjadi selama 3 bulan oleh timbunan eksisting setinggi 8 meter. Hasil perencanaan kedua alternatif tersebut kemudian dievaluasi untuk mendapatkan perencanaan yang paling efisien. Apabila perkuatan yang dipakai adalah geotextile, maka diperlukan 26 lapis dan per lapisnya terdapat 2 lembar geotextile tipe UW-250 52/52 dengan total biaya material sisi kanan kiri timbunan sebesar Rp 106,996,623,000. Sedangkan untuk pemasangan spunpile dengan d = 30 cm dan p = 6 m, diperlukan 38 buah spunpile/m panjang jalan; total biaya material sisi kanan kiri adalah Rp 79,853,109,750. Dari kedua alternatif yang telah direncanakan, pemasangan spunpile pada tanah dasar merupakan alternatif terpilih.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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".