POLUSI UDARA DALAM RUMAH SEKITAR JALAN RAYA: INTRUSI NO2 DARI TRANSPORTASI DAN GANGGUAN PERNAPASAN PADA PENGHUNI RUMAH
Bibliographic record
Abstract
Urbanisasi telah menyebabkan meningkatnya jumlah kendaraan bermotor sehingga diperkirakan efekpencemaran udara meluas mempengaruhi kualitas udara dalam rumah. Iklim Indonesia yang tropis turutmemperparah keadaan tersebut, khususnya rumah-rumah di sekitar jalan utama. Penelitian ini dilakukan untukmengetahui hubungan transportasi di jalan raya terhadap paparan NO2, sekaligus insidensi gangguanpernapasan pada 50 rumah sampel di Kawasan Karees, Bandung. Pengumpulan data menggunakan metodepengukuran NO2 secara pasif dan wawancara. Diketahui dapur memiliki konsentrasi tertinggi dengan rerata45,82 ?g/m3 (27,57 103,46), kemudian ruang tamu 35,73 ?g/m3 (21,03 70,36), ruang keluarga 34,00 ?g/m3(SD 7,092), serta kamar tidur yang rerata konsentrasinya 29,76 ?g/m3 (SD 7,548). Adapun sumber paling utamapenyebab terpaparnya NO2 di ruang tamu berasal dari luar rumah (r = 0,559). Ruang keluarga bersumber daribeberapa ruangan (r = 0,647) dengan yang paling potensialnya ruang tamu. Sedangkan kamar tidur bersumberdari ruang keluarga (r = 0,700,), kemudian dapur berasal dari aktivitas memasak yang berlangsung. Hubunganinsidensi gangguan pernapasan terhadap NO2 dalam rumah dilakukan melalui pendekatan yang menggunakansudut pandang insidensi pada ibu/pembantu rumah. Hasil yang diperoleh adalah bahwa insidensi memilikihubungan yang cukup kuat terhadap variabel asmatik (OR = 10,43) dan keberadaan di dalam rumah (OR =6,32). Dengan ANOVA one ways diketahui, untuk ruang tamu dan ruang keluarga rumah penderita asma,konsentrasi NO2 pada rumah penderita yang sering kambuh berpengaruh dibandingkan rumah yang jarangkambuh.Kata Kunci: kendaraan bermotor, konsentrasi NO2, sekitar jalan raya, intrusi ke dalam rumah.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".