MétaCan
Menu
Retour à la cohorte
Enregistrement W4403239070 · doi:10.29313/bcsurp.v4i3.14604

Pengujian Hipotesis Pengaruh Penggunaan Lahan terhadap Kualitas Udara

2024· article· en· W4403239070 sur OpenAlexaff
Indah Nur Azizah, Hilwati Hindersah

Notice bibliographique

RevueBandung Conference Series Urban & Regional Planning · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical and construction materials studies
Établissements canadiensEncana (Canada)
Organismes subventionnairesUniversitas Islam Bandung
Mots-clésPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract. Air is an important factor in life, but its quality has changed due to the physical development of cities such as industrial centres and settlements, so that the air that was initially clean is now dirty due to pollution from human activities such as transportation and industry According to the United States Environmental Protection Agency, air pollution contains harmful substances such as particulates, gases, vapours, dust, and smoke coming from vehicles, factories, and other human activities The city of Bandung consists of 8 sub-regions, and this study focuses on SWK Bojonegara because of its diverse land uses and proximity to the city centre, which leads to high mobilisation and pollutionKeywords: Land use, air quality, pollutant parameters. Deforesta tion and urbanisation in the region reduce natural carbon sequestration, whilst Bandung's mountainous morphology exacerbates air pollution containment Air quality monitoring is important for pollution control, and the test results are compared to ambient air quality standards In this study, the bivariate method was used to explore the relationship between land use and air quality, with quantitative analysis comparing pollutant parameters and qualitative analysis through interviews with related agencies The air quality index method is used to determine the condition of pollutants, regulated in Government Regulation number 41 of 1999, and multiple linear regression analysis shows the influence of land use on air quality, with results varying from strong (Codan NO2) to weak (TSP, PM25). Therefore, the development of stricter environmental policies and support for clean technology is needed to improve air quality and land use management in the city of Bandung Abstrak. Udara merupakan faktor penting dalam kehidupan, namun kualitasnya mengalami perubahan akibat perkembangan fisik kota seperti pusat industri dan permukiman, sehingga udara yang awalnya bersih kini menjadi kotor akibat pencemaran dari aktivitas manusia seperti transportasi dan industri. Menurut United States Environmental Protection Agency, polusi udara mengandung zat berbahaya seperti partikulat, gas, uap, debu, dan asap yang berasal dari kendaraan, pabrik, dan aktivitas manusia lainnya. Kota Bandung terdiri dari 8 sub-wilayah, dan penelitian ini berfokus pada SWK Bojonegara karena beragam penggunaan lahannya dan kedekatannya dengan pusat kota, yang menyebabkan tingginya mobilisasi dan polusi. Deforestasi dan urbanisasi di kawasan ini mengurangi penyerapan karbon alami, sementara morfologi Bandung yang dikelilingi pegunungan memperburuk penahanan polusi udara. Pemantauan kualitas udara penting untuk pengendalian pencemaran, dan hasil pengujian dibandingkan dengan baku mutu udara ambien. Dalam penelitian ini, metode bivariat digunakan untuk mengeksplorasi pengaruh antara penggunaan lahan dan kualitas udara, dengan analisis kuantitatif membandingkan parameter polutan dan analisis kualitatif melalui wawancara dengan instansi terkait. Metode indeks kualitas udara digunakan untuk mengetahui kondisi polutan, diatur dalam Peraturan Pemerintah nomor 41 tahun 1999, dan analisis regresi linier berganda menunjukkan pengaruh penggunaan lahan terhadap kualitas udara, dengan hasil yang bervariasi dari pengaruh kuat (CO dan NO2) hingga lemah (TSP, PM2.5). Oleh karena itu, pengembangan kebijakan lingkungan yang lebih ketat dan dukungan teknologi bersih diperlukan untuk meningkatkan kualitas udara dan pengelolaan penggunaan lahan di Kota Bandung.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,615
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,030
Tête enseignante GPT0,236
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBandung Conference Series Urban & Regional PlanningMême sujetGeotechnical and construction materials studiesTravaux en français237 207