Tracker - List Journal (Publisher)
<aside> 💡
Sidang Komisi 2 - Preparation
<aside> 💡
Publikasi - Preparation
Data PM25 (Web Rendah Emisi Jakarta)
Data Meteorology (Visual Crossing)
Data AOD (Google Earth Engine)
<aside> 💡
Seminar Hasil Penelitian - Preparation
<aside> 💡
Sidang Thesis - Preparation
<aside> 💡
Definisi : Particulate Matter (PM2.5) adalah partikel udara yang berukuran lebih kecil dari atau sama dengan 2,5 µm (mikrometer).
Pengukuran konsentrasi PM2.5 menggunakan metode penyinaran sinar beta (Beta Attenuation Monitoring) dengan satuan mikrogram per meter kubik (µm/m³).
Analisa Data : HYSPLIT Persebaran Polutan Menggunakan pemodelan Bi-LSTM
Sumber Polutan : Pabrik ←——→ PM2.5 yang tersebar
Studi Literatur : Keputusan model yang akan di gunakan berdasarkan referensi studi
akan diturunkan dari data AOD dan data ground ke PM2.5 dalam bentuk tabular (sehingga perlu di konversi)
S1 Backend : Tion develop modul dataset MODIS
S1 Frontend : Menyusul
Pak Ashyar : Formulasi Konversi untuk dataset
Roadmap Penelitian
Semester 2 : Drafting Introduction (Motivasi mengapa mengambil topik tersebut)
Semester 3 : Eksplorasi Data + Menyelesaikan Proposal → Kolokium
Semester 4 : Fokus Pengembangan Penelitan, Seminar & Publikasi
</aside>
<aside> 💡
Initial Discussion
The audio transcript of the cloud recording is now available. Topic: Diskusi Penelitian PM2.5 Date: Nov 18, 2024 04:00 PM Jakarta View Detail Share You can copy the recording information below and share with others https://ipb-university.zoom.us/rec/share/8eOg38wk52DykWYtwH9Qu8U1vwntyme36ZzXuoLsC04nwTXmf0po5rNWlcB7eMNy.CWgjRrDC5L3GQTBx Passcode: kQ9nQ9i#
Trajectory modeling using BI-LSTM dan Deep Learning
Referensi :
List Proposal Thesis
Beberapa referensi, PM2.5 source :
PM2.5 dari Himawari :
</aside>

<aside> 💡
</aside>
List Reference
https://pmc.ncbi.nlm.nih.gov/articles/PMC7924725/pdf/peerj-cs-06-279.pdf
https://journalofbigdata.springeropen.com/articles/10.1186/s40537-021-00461-7
https://www.researchgate.net/publication/323710709_Learning_temporal_representation_of_transaction_amount_for_fraudulent_transaction_recognition_using_CNN_Stacked_LSTM_and_CNN-LSTM
https://www.microsoft.com/en-us/research/uploads/prod/2019/05/FPGA2019_final.pdf
<aside> 💡
</aside>