Distribusi Temporal Konsentrasi PM10 Menggunakan Alat Particle Plus EM-10000
Bibliographic record
Abstract
Distribusi Temporal Konsentrasi PM10 Menggunakan Alat Particle Plus EM-10000. Tingkat polusi partikulat di Kota Bandung umumnya melebihi kualitas udara ambien nasional. Sektor transportasi menjadi sumber utama dalam pencemaran konsentrasi PM10 di Kota Bandung, dimana kendaraan bermotor menyumbang 70% pencemar partikulat (PM10). Faktor lain yang berpengaruh terhadap variabilitas temporal konsentrasi PM10 selain sumber emisi lokal adalah faktor meteorologi dan sumber regional yang berasal dari luar daerah Kota Bandung. Meteorologi dapat memengaruhi proses dispersi maupun difusi partikulat yang dapat menyebabkan peningkatan atau penurunan konsentrasi PM10. Sumber regional juga memiliki peran terhadap variabilitas temporal konsentrasi PM10 karena secara substansial PM10 dapat terbawa dari tempat yang jauh melalui mekanisme long range transport. Penelitian ini dilakukan untuk menganalisa distribusi temporal konsentrasi PM10 di Itenas Bandung agar data yang diperoleh dapat dimanfaatkan untuk meminimalisir terjadinya paparan jangka pendek yang dapat menyebabkan risiko kesehatan. Konsentrasi PM10 bersumber dari pencemar lokal (transportasi) dan pencemar regional (luar daerah Kota Bandung) yang diidentifikasi dengan model HYSPLIT, serta pengaruh faktor meteorologi terhadap variabilitas temporal konsentrasi PM10. Pengukuran konsentrasi PM10 dilakukan selama 1 bulan (Juli 2020) di musim kemarau. Distribusi temporal konsentrasi PM10 menunjukkan pola bimodial di mana terdapat dua jam puncak yaitu pukul 8 pagi dan pukul 10 malam, variabilitas temporal yang terjadi disebabkan oleh transportasi, temperatur dan kecepatan angin. Sementara, kelembaban tidak memiliki pengaruh terhadap variabilitas temporal konsentrasi PM10 saat musim kemarau. Daerah yang dapat berpotensi menjadi sumber pencemar konsentrasi PM10 di Kota Bandung berasal dari daerah Kabupaten Cilacap, Kabupaten Ciamis, Kabupaten dan Kota Tasikmalaya, Kabupaten Garut, dan Kabupaten Bandung.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 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) | 0.008 | 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".