Hasil Pencarian  ::  Simpan CSV :: Kembali

"Glukosa adalah salah satu indikator kesehatan tubuh yang dapat dideteksi oleh urin yang dapat membantu pendeteksian dini penyakit diabetes dan glikosuria. Glukosa dapat dideteksi oleh urine analyzer menggunakan metode pembacaan perubahan warna pada strip uji urin. Namun sayangnya, akses terhadap urine analyzer masih sangat terbatas dikarenakan ukurannya yang terlalu besar dan harganya yang terlalu mahal. Dalam penelitian ini sistem pengukuran kadar gula urin yang lebih murah dan lebih portabel dibuat menggunakan analisis citra berbasis ponsel pintar yang dipadukan dengan pemrosesan melalui komputer. Ponsel pintar yang digunakan pada penelitian ini adalah Huawei Nova 5T dan Samsung Galaxy A51 dengan bantuan aplikasi kamera OpenCamera. Citra strip uji diambil dengan menggunakan kotak khusus yang ditambahkan papan warna sebagai alat bantu untuk mengoreksi warna. Papan warna tersebut telah diuji menggunakan standar papan warna X-Rite ColorChecker. Citra yang telah diambil akan dikoreksi warnanya menggunakan metode Root-Polynomial Color Correction (RPCC) -yang telah diuji kemampuan koreksi warnanya pada variasi suhu warna lampu 2500K-8500K. Citra yang telah dikoreksi kemudian diprediksi kadar gulanya dengan model regresi Decision Tree menggunakan LSBoost. Hasil penelitian menunjukkan, Metode RPCC menunjukkan performa yang baik dengan nilai evaluasi koreksi warna (delta e) sebesar 1,8 – 2,6 ΔE. Hasil koreksi warna terbaik dimiliki oleh citra dengan suhu warna 4500K-7000K. Model regresi menghasilkan nilai evaluasi sebesar 0,21 – 0,01 RRMSE. Hasil ini menunjukkan bahwa sistem pengukuran kadar gula urin dengan metode pembacaan strip uji berbasis ponsel pintar yang menggunakan model Decision Tree-LSBoost dapat digunakan untuk mendeteksi nilai kadar gula.

---

Glucose is one of the health indicators that can be detected from urine and it can be an early detection for diabetes and glycosuria. Glucose can be detected using a urine analyzer that uses the method of reading the color change on a urine test strip. However, access to urine analyzers is still very limited due to their large size and expensive price. In this study, a cheaper and more portable urine sugar measurement system was created using smartphone-based image analysis combined with computer processing. The smartphones that were used in this study are Huawei Nova 5T and Samsung Galaxy A51 who used the OpenCamera application. The image of the test strip is taken by using a special box with a color board inside as a tool for correcting colors. The color boards have been tested using the X-Rite ColorChecker standard. The image that has been taken will be color corrected using the Root-Polynomial Color Correction (RPCC) method, which has been tested for its color correction ability at the color temperature variation of the 2500K-8500K lamp. The corrected image then used to predict the sugar content using Decision Tree-LSBoost regression model. The results showed the RPCC method has a good performance with a color correction evaluation value (delta e) of 1.8 - 2.6 ΔE. The best color correction result is an image with a color temperature of 4500K-7000K. The regression model produces an evaluation value of 0,21 - 0,01 RRMSE. These results indicate that the urine sugar level measurement system with a smartphone-based test strip reading method using the Decision Tree-LSBoost model can be used to detect the value of sugar levels."

"This book is concerned with the optimization problem of maximizing the number of spanning trees of a multigraph. Since a spanning tree is a minimally connected subgraph, graphs and multigraphs having more of these are, in some sense, immune to disconnection by edge failure. We employ a matrix-theoretic approach to the calculation of the number of spanning trees. The authors envision this as a research aid that is of particular interest to graduate students or advanced undergraduate students and researchers in the area of network reliability theory. This would encompass graph theorists of all stripes, including mathematicians, computer scientists, electrical and computer engineers, and operations researchers.--"

"Salah satu jenis topologi yang banyak digunakan dalam jaringan komunikasi data adalah topologi Mesh. Topologi jenis ini mempunyai keunggulan antara lain sifatnya yang fleksibel dan dinamis sesuai dengan kondisi dan keadaan jaringan tersebut. Ada banyak kombinasi bentuk jaringan dalam topologi Mesh sesuai dengan aplikasi dan syarat serta tuntutan jaringan tersebut. Untuk membantu dalam merancang bentuk jaringan pada topologi Mesh maka pada penelitian ini dirancang suatu algoritma yang dapat memilih dan menentukan bentuk jaringan yang paling optimal pada topologi Mesh. Algoritma Mesh yang dirancang pada penelitian ini menggunakan pendekatan prosedur Minimum Spanning Tree yang merupakan penyempumaan dari algoritma Prim's."

"Java, as the largest populated island i Indonesia, has experienced tremendous agricultural land use conversion, mostly to industrial and settlement uses...."

"The works on phylomemetics strees to certain cultural artifacts of ethnics cultures in Indonesian archipelago is advanced by the proposal of methodology that can yield a cultural tree reflecting the superposition of traditional song, architectural designs,and motif designs in fabric phylomemetic tree...."

"Cloud computing has revolutionized the IT industry by offering huge storage for data outsourcing and also for computation. Various security issues concerned with security and privacy of data arise in the context of data outsourcing. The framework enables clients to outsource encrypted data to the cloud, enables users to retrieve preferred documents using multiple keywords and allows the user to verify the response from the server. The strength of the proposed model relies on the discrete logarithmic problem of Hyper Elliptic Curve Cryptography (HECC) and the security of Merkle trees. The paper proposes a user verifiable multi-keyword search scheme, which focuses on: (i) construction of inverted index for the documents with keywords; (ii) index and document encryption by HECC; (iii) index and document authentication by the Merkle tree; and (iv) verification of the accuracy of response from server by top hash or root hash value of the Merkle tree. Security analysis and results demonstrate the correctness of proposed multiple keyword search (MKS) scheme. The search algorithm combined with the hash value verification process by the Merkle tree is strong enough to provide data security, privacy, and integrity. The proposed model reduces the storage overhead on both the client’s and user’s side. As the number of documents increases, the retrieval time is less, which reduces the storage overhead on both sides."

"ABSTRAKSalah satu masalah yang dihadapi kota Jakarta sebagai ibukota negara adalah pencemaran udara dari emisi kendaraan bermotor. Pencemaran udara ini disebabkan tidakseimbangnya pertambahan jumlah kendaraan dengan pertambahan panjang jalan, yang menyebabkan terjadinya kemacetan. Data menunjukkan bahwa pertambahan jalan hanya sekitar 3,5% per tahun, sedang pertambahan kendaraan rata-rata 8,25% per tahun (KPPL DKI Jakarta, 1996: 1-2).Bergantung kadar dan lama pemaparannya, pencemaran udara dapat mengganggu dan membahayakan lingkungan hidup. Gangguan kesehatan pada manusia, kerusakan tumbuhan dan hewan, gangguan kenyamanan dan estetika, serta kerusakan benda-benda, adalah contoh gangguan yang terjadi akibat pencemaran udara (Kusnoputranto, 1996a: 214).Salah satu cara pemantauan pencemaran udara adalah dengan menggunakan tumbuhan sebagai bioindikator. Tumbuhan adalah bioindikator yang baik, dan daun adalah bagian tumbuhan yang paling peka pencemar (Kovacs, 1992: 7-9). Klorofil sebagai pigmen hijau daun yang berfungsi dalam kegiatan fotosintesis dan berlangsung dalam jaringan mesofil, akan mengalami penurunan kadarnya sejalan dengan peningkatan pencemaran udara (Mowli et aL, 1989: 54). Jaringan mesofil adalah jaringan pertama yang akan terpengaruh oleh pencemaran udara, di samping perubahan kadar klorofil (Heath dalam Mowli et al., 1989: 53).Pengaruh pencemaran udara pada daun. dapat dilihat dari kerusakan secara makroskopik seperti klorosis, nekrosis; atau secara mikroskopik (anatomi) seperti struktur sel; atau dari perubahan fisiologi dan biokimia, seperti perubahan klorofil, metabolisme (Mudd & Kozlowski, 1975: 4-5; Darral & Jager, 1984: 334; Steubing dalam Kovacs, 1992: 9-10)..Atas dasar hal-hal tersebut di atas, telah dilakukan penelitian pengaruh pencemaran udara terhadap daun tanaman peneduh jalan di wilayah Jakarta Selatan.Penelitian dilakukan di Jalan K.H. Akhmad Dahlan, Jl. Prof Dr. Supomo, SH, Jl. Jenderal Sudirman-Bunderan Senayan; dan Kebun Pembibitan Dinas Pertamanan DKI Jakarta di Cipedak sebagai kontrol. Penentuan lokasi ini didasarkan daerah yang mempunyai data kualitas udara hasil pemantauan Kantor Pengkajian Perkotaan dan Lingkungan (KPPL) DKI Jakarta, dan data tersebut digunakan sebagai data sekunder kualitas udara. Selain itu, kepadatan jalan juga menjadi kriteria pemilihannya dengan menggunakan data hasil pengamatan di lapangan dan data penghitungan Dinas Lalu Lintas dan Angkutan Jalan (DLLAJ) DKI Jakarta.Daun yang digunakan sebagai sampel adalah daun angsana dan mahoni yang ditanam sebagai tanaman peneduh di tepi jalan raya. Dengan menggunakan alat spektrofotometer, kadar klorofil daun dianalisis. Kemudian dilakukan uji Kruskal-Wallis atas hasil kadar klorofil ini untuk melihat perubahan yang terjadi pada masing-masing lokasi. Selain itu, dibuat pula preparat anatomi daun dengan potongan melintang dan permukaan daun, untuk melihat perubahan yang terjadi pada sel-sel akibat pencemaran udara. Atas dasar hasil uji dan analisis tadi dievaluasi hubungan antara kadar klorofil dengan kualitas udara.Berdasarkan hasil penelitian ini, dapat diperoleh informasi bahwa:(1) pada daun tanaman angsana terjadi perubahan sebagai berikut:a. kadar klorofil a dan b dengan NO, berkorelasi negatif (kenaikan NO, menyebabkan penurunan kadar klorofil),b. kadar klorofil a dengan SO2 berkorelasi negatif (kenaikan SO2 menyebabkan penurunan kadar klorofil), dan kadar klorofil b dengan SO2 berkorelasi positif (peningkatan SO2 menyebabkan peningkatan kadar klorofil);(2) pada daun tanaman mahoni terjadi perubahan sebagai berikut:a. kadar kiorofil a dan b dengan NO, berkorelasi negatif (kenaikan NOx menyebabkan penurunan kadar klorofil),b. kadar klorofil a dan b dengan SO2 berkorelasi positif (peningkatan SO2 menyebabkan peningkatan kadar klorofil);(3) terjadi kerusakan secara mikroskopik dan makroskopik pada jaringan daun angsana dan jaringan daun mahoni, akibat NO, dan SO2;(4) uji Kruskal-Wallis membuktikan kadar klorofil a dan b daun angsana dan mahoni pada keempat lokasi penelitian berbeda nyata;(5) uji Kruskal-Wallis untuk kualitas udara DKI Jakarta bulan Oktober, November, dan Desember 1996 menunjukkan adanya perbedaan nyata dalam NO, dan SO2.Berdasarkan hasil penelitian ini, dapat disimpulkan bahwa:1. pencemaran udara pada umumnya mengakibatkan terjadinya perubahan pada daun tanaman, baik secara makroskopik, mikroskopik, maupun kadar klorofil;2. pada daun angsana, hubungan antara kadar klorofil a dan b dengan NO, berkorelasi negatif; hubungan antara kadar klorofil a dengan SO2 berkorelasi negatif, dan klorofil b dengan SO2 berkorelasi positif; pada daun mahoni, hubungan antara kadar klorofil a dan b dengan NO, berkorelasi negatif; hubungan antara kadar klorofil a dan b mahoni dengan SO2 berkorelasi positif;3. tanaman mahoni mempunyai kemampuan bertahan lebih baik terhadap pencemaran khususnya NOx dan SO2 daripada tanaman angsana;4. daun tanaman angsana dan mahoni dapat digunakan sebagai bioindikator pencemaran udara, khususnya NO, dan SO2;5. tanaman angsana dan mahoni yang selama ini telah ditanam di lingkungan perkotaan, memang berfungsi baik sebagai tanaman peneduh jalan dan dapat mengurangi pencemaran udara khususnya NO, dan SO2 ;6. daun tanaman peneduh jalan dapat dimanfaatkan sebagai bioindikator tahap pertama dalam pemantauan kualitas udara;7. penelitian bioindikator lainnya masih diperlukan dalam mengidentifikasi pencemaran khususnya pencemaran udara di Indonesia; .8. tanaman peneduh jalan sangat diperlukan sebagai peneduh jalan, penyejuk dan penyaman, mengurangi pencemaran udara, laboratorium alam, dan estetika.

---

ABSTRACT

Leaf Damage As Bioindicator Of Air Pollution (A Case Study of Shelter Trees Angsana and Mahoni with Air Pollutants NOx and SO2)One of the problems of Jakarta as the capital of the Republic of Indonesia is air pollution caused by motor vehicles emission. Air pollution is caused by imbalance between vehicles and road growth which cause traffic jams. Data of road growth is about 3.5% per year, and vehicles growth 8.25% per year (KPPL DKI Jakarta, 1996: 1-2).

Air pollution may disturb and create a danger to the environment in accordance with its concentration and time exposure. Human health effect, damage of plants and animals, pleasure and aesthetic effect and damage of property, all of them are examples of the air pollution impacts (Kusnoputranto, 1996a: 214).

Plant as bioindicator is one of the air pollution monitoring methods. Plant is a good bioindicator, and leaf is the most sensitive part of the plant to air pollution (Heck & Brandt, 1977: 161-162; Kovacs, 1992: 7-9). Chlorophyll as green pigment of leaves has a photosynthetic function which takes place primarily within mesophyll cells. The chlorophyll content decreases, in line with the increase of air pollution concentration (Mowli et al., 1989: 54). Mesophyll cells are the first cells which are influenced by air pollutants, in addition to changing chlorophyll contents (Heath in Mowli et al., 1989: 53).

Air pollution effect on leaf can be evaluated through macroscopic symptoms such as chlorosis and necrosis, or through microscopic symptoms such as cell structure changes; or physiological and biochemical changes such as chlorophyll content and metabolism changes (Mudd & Kozlowski, 1975: 4-5; Dural & Jager, 1984: 334; Steubing in Kovacs, 1992: 9-10).

Based on above mentioned phenomenon, a research of air pollution impact on shelter trees leaves was done in Jakarta Selatan District.

Sampling locations of this research were in Jl. K.H. Achmad Dahlan, Jl. Prof.Dr. Supomo, SH., Jl. Jenderal Sudirman - Bunderan Senayan; and at the nursery of Dinas Pertamanan DKI Jakarta as control area. These locations were selected based on air quality monitoring data done by Kantor Pengkajian Perkotaan dan Lingkungan (KPPL) DKI Jakarta, which was used as secondary data. Traffic counts on these locations were monitored by Dinas Lalu Lintas dan Angkutan Jalan (DLLAJ) DKI Jakarta.

Angsana and mahoni leaves were used as samples of which the trees were planted as shelter trees along above mentioned roads. Chlorophyll contents were analysed by spectrophotometer. The results were analysed statistically by the Kruskal-Wallis test for chlorophyll content changes. Microscopic symptoms were also analysed through microscopic anatomic preparations of cross sectional and surface view of leaves for identifying the impacts of air pollution. Regression-correlation analysis was carried out to analyze the correlation between chlorophyll content and air quality.

Based on this research, the following informations were obtained:

(1) chlorophyll of angsana leaves changed as followed:

a. chlorophyll a and b with NOx showed a negative correlation (increased NO, caused decrease of chlorophyll concentration);

b. chlorophyll a with S02 showed a negative correlation (increased SO2 caused decrease of chlorophyll concentration), and chlorophyll b with SO2 showed a positive correlation (increased SO2 caused increase of chlorophyll concentration);

(2) chlorophyll of mahoni leaves changed as followed:

a. chlorophyll a and b with NO, showed a negative correlation (increased NOx caused decrease of chlorophyll concentration),

b. chlorophyll a and b with SO2 showed a positive correlation (increased SO2 caused increase of chlorophyll concentration);

(3) NOx and SO2 air pollutants did cause angsana and mahoni leaf tissue damage which were demonstrated microscopically and macroscopically;

(4) the result of Kruskal-Wallis test for different chlorophyll contents of angsana and mahoni leaves of those locations was significant;

(5) the result of Kruskal-Wallis test for air quality of DKI Jakarta in October, November, and December 1996 showed significant difference in NO, and SO2.

Based on this research, the following conclusions were made:

(1) air pollutants generally cause changes of tree leaves, as showed macroscopically, microscopically, and in chlorophyll contents;

(2) chlorophyll a and b of angsana leaves and NO, show negative correlation; chlorophyll a of angsana leaves and SO2 show negative correlation, but chlorophyll b of angsana leaves and SO2 show positive correlation; chlorophyll a and b of mahoni leaves and NO, show negative correlation; chlorophyll a and b of mahoni leaves and SO2 show positive correlation;

(3) mahoni has a better adaptive ability to environmental air pollution, especially NOx and SO2 than angsana;

(4) angsana and mahoni tree leaves can be used as bioindicator of air pollution, especially NO,, and SO2;

(5) angsana and mahoni trees which are grown in urban environment have demonstrated perfect functions as shelter trees and also as reducer of air pollution, especially NOx and SO2;

(6) advantages of using shelter tree leaves as bioindicator may help preliminary air quality monitoring;

(7) further research is needed to link the use of other bioindicators to identify pollution, especially air pollution in Indonesia;

(8) shelter trees are needed as shelter, air cooler, reducer of air pollution, nature laboratories, and aesthetics."

"ABSTRAKData yang tidak lengkap merupakan salah satu masalah yang sering muncul dalam penelitian medis, yang dapat mengakibatkan statistik inferensial tidak akurat. Salah satu cara yang dapat dilakukan untuk mengatasi masalah tersebut adalah dengan mengestimasi missing value yang terdapat pada data. Metode ini disebut imputasi. Beberapa metode imputasi telah dikembangkan untuk memperkirakan nilai yang hilang, dan salah satu metode imputasi yang paling sering digunakan adalah imputasi pohon keputusan. Pohon keputusan adalah salah satu metode pembelajaran mesin terawasi yang paling sederhana, yang digunakan untuk mengklasifikasikan dan meregresi data. Namun selain kepraktisan metode pohon keputusan untuk imputasi, metode ini kurang tepat jika muncul nilai-nilai yang hilang baik pada data latih maupun data pengujian secara bersamaan. Untuk mengatasi keterbatasan tersebut, metode imputasi pohon keputusan kemudian dikembangkan menjadi metode imputasi pohon atribut yang dipesan secara dinamis (DOAT). DOAT pertama kali diperkenalkan oleh Nick Street dan Jing Wang pada tahun 2009, untuk membangun sejumlah pohon keputusan yang digunakan untuk memperkirakan nilai yang hilang secara bertahap dalam data pelatihan. Selanjutnya tingkat akurasi estimasi akan digunakan untuk menentukan pohon keputusan akhir sebagai pohon keputusan terakhir yang melakukan imputasi. Setelah pohon keputusan akhir diperoleh dari data pelatihan, maka nilai-nilai yang hilang pada data pengujian akan diestimasi menggunakan sejumlah pohon keputusan yang dihasilkan dari data pelatihan, dimana pohon keputusan akhir yang dihasilkan pada data pelatihan juga merupakan pohon keputusan final. pohon keputusan yang digunakan dalam imputasi pengujian data. Pada penelitian ini dikembangkan metode imputasi DOAT dengan algoritma CART untuk membangun pohon keputusan untuk mengestimasi missing value pada data kategori penyakit. Kinerja metode imputasi DOAT akan dievaluasi berdasarkan tingkat akurasi menggunakan pohon keputusan. Hasil penelitian ini menunjukkan bahwa metode imputasi DOAT tidak mengurangi tingkat akurasi metode klasik yang sudah memiliki data lengkap.ABSTRACTIncomplete data is one of the problems that often arises in medical research, which can result in inaccurate inferential statistics. One way that can be done to overcome this problem is to estimate the missing value contained in the data. This method is called imputation. Several imputation methods have been developed to estimate missing values, and one of the most frequently used imputation methods is decision tree imputation. Decision trees are one of the simplest supervised machine learning methods, which are used to classify and regress data. However, in addition to the practicality of the decision tree method for imputation, this method is not appropriate if missing values ​​appear in both training data and test data simultaneously. To overcome these limitations, the decision tree imputation method was later developed into a dynamically ordered attribute tree (DOAT) imputation method. DOAT was first introduced by Nick Street and Jing Wang in 2009, to construct a number of decision trees that are used to estimate the incrementally missing values ​​in training data. Furthermore, the level of accuracy of the estimate will be used to determine the final decision tree as the last decision tree that performs imputation. After the final decision tree is obtained from the training data, the missing values ​​in the test data will be estimated using a number of decision trees generated from the training data, where the final decision tree generated in the training data is also the final decision tree. decision tree used in the imputation of data testing. In this study, the DOAT imputation method with the CART algorithm was developed to build a decision tree to estimate the missing value in disease category data. The performance of the DOAT imputation method will be evaluated based on the level of accuracy using a decision tree. The results of this study indicate that the DOAT imputation method does not reduce the level of accuracy of the classical method which already has complete data."

"ABSTRAKKanker nasofaring (KNF) merupakan jenis kanker kepala dan leher yang disebabkan oleh tumbuhnya sel-sel ganas pada bagian nasofaring. Kanker ini dapat diobati dengan kemoterapi, radioterapi, dan atau keduanya. Salah satu efek samping dari radiasi sebagai langkah pengobatan KNF, khususnya setelah radiasi yaitu rusaknya kelenjar tiroid. Rusaknya kelenjar tiroid dapat mengakibatkan kelenjar tiroid dalam tubuh tidak cukup dalam memproduksi hormon tiroid yang dibutuhkan tubuh. Hal tersebut dinamakan hipotiroid. Perkembangan hipotiroid pada tiap pasien KNF pascaradiasi berbeda sesuai dengan faktor-faktor tertentu. Penelitian ini bertujuan untuk menganalisis tingkat perkembangan hipotiroidisme pada pasien KNF pascaradiasi serta faktor yang berasosiasi dengan tingkat perkembangan hipotiroid. Metode yang digunakan dalam penelitian ini adalah merupakan perluasan dari classification and regression tree (CART). Algoritma survival yang digunakan dalam penelitian ini yaitu relative risk tree. Hasil yang diperoleh dari colorival tree adalah perkembangan hipotiroid pada pasien dengan produksi keringat tidak berkurang cenderung lebih lambat daripada pasien dengan produksi keringat berkurang. Selain itu, perkembangan hipotiroid pada pasien yang memiliki total skor gejala hipotiroid Zulewski 1,5 lebih lambat daripada pasien yang memiliki total skor gejala hipotiroid Zulewski.

---

ABSTRACTNasopharyngeal cancer (NPC) is a type of head and neck cancer that caused by malig- nant cells in the nasopharynx. This cancer can be given with chemotherapy, radiotherapy, and or all. One of the side effects of radiation as a step in NPCs treatment, specifically after radiation is thyroid damage. Damage to thyroid hormones that can be done in the body is not enough to produce thyroid hormones that the body needs. This is called hy- pothyroidism. The development of hypothyroidism in each post-radiation NPCs patient is different according to certain factors. The aim of this study was to analyze the rate of development of hypothyroidism in post-radiation NPCs patients as well as factors re-lated to the rate of hypothyroid development. The method used in this study is a survival tree. Survival tree is the extensions of classification and regression trees (CART). The survival tree algorithm used in this study is a relative risk tree. The results obtained from the survival tree are the development of hypothyroidism in patients with sweat production does not reduce more than patients with reduced sweat production. In addition, the development of hypothyroidism in patients who have a total score of Zulewski 1.5 slower than patients who have a total score of Zulewskis hypothyroid symptoms with criteria 1.5."