Hasil Pencarian  ::  Simpan CSV :: Kembali

"Injektor kontras digunakan untuk memasukkan zat kontras ke dalam tubuh pasien, meningkatkan kontrast gambar medis untuk membantu diagnosis kondisi medis. Salah satu contohnya adalah pada pemeriksaan Pulmonary Embolism (PE), di mana Computed Tomography Pulmonary Angiography (CTPA) dengan menggunakan injektor kontras menjadi gold standard. Pentingnya keamanan pasien diakui sebagai kewajiban fasilitas pelayanan kesehatan. Metode gravimetri merupakan metode kalibrasi umum yang melibatkan pengukuran berat komponen dalam keadaan murni. Namun, metode ini memerlukan waktu yang cukup lama dan stabilisasi lingkungan. Pada penelitian sebelumnya telah membahas berbagai aspek teknis dan ketidakpastian yang terkait dengan metode Doppler ultrasound, memberikan dasar bagi penelitian lebih lanjut. Metode gravimetri (reference) digunakan sebagai standar atau acuan dalam pengukuran laju alir. Metode Doppler ultrasound digunakan sebagai metode alternatif untuk mengukur laju alir. Data diambil pada berbagai tingkat laju alir (3 mL/s, 5 mL/s, dan 10 mL/s). Pengolahan data pada metode gravimetri melibatkan penimbangan massa air, koreksi suhu, dan koreksi kalibrasi timbangan analitik. Pengukuran dengan Doppler ultrasound dilakukan dengan menggunakan mode Doppler pada alat ultrasonography. Pengukuran dengan memanfaatkan Doppler ultrasound pada alat ultrasonography tidak dapat dilakukan pada laju alir di bawah 3 mL/s. Pada titik 3 mL/s, akurasi pengukuran metode gravimetri (reference) sebesar 96%, sedangkan metode Doppler ultrasound mencapai 101%. Pada titik 5 mL/s, akurasi metode gravimetri (reference) sebesar 97%, sedangkan metode Doppler ultrasound mencapai 87%. Pada titik 10 mL/s, akurasi metode gravimetri (reference) sebesar 97%, sedangkan metode Doppler ultrasound mencapai 99%. Metode gravimetri (reference) memerlukan waktu yang cukup lama (± 1 Jam) dengan proses pengambilan data pada dua lokasi berbeda. Metode Doppler ultrasound membutuhkan waktu yang lebih singkat (± 100 detik) dan dapat dilakukan pada lokasi alat injektor kontras berada (insitu). Meskipun perbedaan antara kedua metode tidak selalu signifikan secara statistik, metode Doppler ultrasound menunjukkan keunggulan dalam hal waktu pengukuran yang lebih singkat

---

Contrast injectors are used to insert a contrast substance into the patient's body, enhancing the contrast of medical images to help diagnose medical conditions. One example is the examination of pulmonary embolism (PE), where computed tomography pulmonary angiography (CTPA) using a contrast injector became the gold standard. The importance of patient safety is recognized as a duty of healthcare facilities. Gravimetric method is a general calibration method that involves measuring the weight of components in pure condition. However, this method takes quite a while and stabilizes the environment. The previous research has addressed various technical aspects and uncertainties associated with the Doppler ultrasound method, providing the basis for further research. The gravimetric reference method is used as a standard or reference in the measurement of the flow rate. The data was taken at different flow rates (3 mL/s, 5 mL/s, and 10 mL/s). Data processing using gravimetric methods involves water mass weighing, temperature correction, and calibration correction of analytical scales. Doppler ultrasound measurements are performed using Doppler mode in ultrasonography. At 3 mL/s, the measurement accuracy of the gravimetric method is 96%, while the Doppler ultrasound method is 101%. At point 5 mL/s, the precision of the Gravimetric method is 97%, whereas the Doppler ultrasount method is 87%. At the point of 10 mL, the gravimetric reference method is 97% compared to 99%. The gravimetric method takes quite a long time (± 1 hour) with the data collection process at two different locations. The Doppler ultrasound technique takes a shorter time (± 100 seconds) and can be performed at the location where the contrast injector device is located. Although the differences between the two methods are not statistically significant, the Doppler ultrasound method shows an advantage in terms of shorter measurement times."

"Ventilator kini memasuki generasi ketiga dengan beragam fitur, mode pemantauan, dan fitur keamanan yang luar biasa. Perbaikan atau perkembangan teknologi ini memfasilitasi bahkan mendorong pengembangan dan pengenalan mode ventilasi tambahan. Metode pengujian yang direkomendasikan oleh manufaktur ke staf teknis di rumah sakit tidak cukup untuk melakukan verifikasi kinerja penggunaan klinis. Penelitian ini bertujuan untuk mengevaluasi pengaruh mode pengukuran parameter fisiologis terhadap kinerja ventilator. Dengan cara membandigkan nilai yang dihasilkan saat menggunakan mode pengukuran parameter fisiologi pada pengukuran kinerja ventilator. Terdapat perbedaan nilai yang dihasilkan pada pengukuran kinerja ventilator pada saat menggunakan mode pengukuran parameter fisiologis yang tidak sesuai dengan rekomendasi yang diberikan oleh manufaktur. Mode pengukuran parameter fisiologi yang tidak sesuai akan berpengaruh pada nilai dari tidal volume hasil pengukuran kinerja ventilator tersebut. Rata-rata nilai error pada parameter tidal volume dari penelitian 3 hasil uji ventilator sebesar 11%, hal ini terjadi karena ketidaktepatan penggunaan mode pengukuran parameter fisiologi pada ventilator tester yang digunakan pada saat melakukan pengukuran kinerja Ventilator ICU (Intensive Care Unit) sesuai dengan yang disarankan oleh manufaktur. Pada 8 parameter yang lain diantaranya Minute Volume, Respiration Rate, I : E Ratio, PIP (Peak Inspiratory Pressure), MAP (Mean Airway Pressure), PEEP (Positive End-expiratory Pressure), Inspiration Time, Expiration Time tidak mempengaruhi hasil dengan menggunakan mode pengukuran parameter fisiologi BTPS (Body Temperature Pressure, Saturated), STPD (Standard Temperature, Pressure, Saturated), ATP (Ambient Temperature Pressure).     

---

The ventilator is now entering its third generation with an incredible range of features, monitoring modes and safety features. These technological improvements or developments facilitate and even encourange the development and introduction of additional ventilation modes. The test methods recommended by manufacturers to technical staff in hospitals are insufficient to verify performance for clinical use. This study aims to evaluate the influence of physiological parameter measurement modes on ventilator performance. By comparing the values produces when using the physiological parameter measurement modes on ventilator performance. By comparing the values produced when using the physiological parameter measurement mode to measure ventilator performance. There are differences in the values produced when measuring ventilator performance when using the physiological parameter measurements mode which is not in accordance with the recommendations provided by the manufacturer. An inappropriate physiological parameter measurement mode will affect the value of the tidal volume resulting from the ventilator performance measurement. The average error value in the tidal volume parameters from study 3 of the ventilator test results was 11 %, this occurred due to inaccuracy of using the physiological parameter measurement mode on the ventilator tester used when measuring the performance of the ICU (Intensive Care Unit) Ventilator as recommended by manufacturing. The other 8 parameters including Minute Volume, Respiration Rate, I : E Ratio, PIP (Peak Inspiratory Pressure), MAP (Mean Airway Pressure), PEEP (Positive End-expiratory Pressure), Inspiration Time, Expiration Time do not affect the results using physiological parameter measurement mode BTPS (Body Temperature Pressure, Saturated), STPD (Standard Temperature, Pressure, Saturated), ATP (Ambient Temperature Pressure)."

"Magnetic Resonance Imaging (MRI) merupakan salah satu teknologi pencitraan medis yang paling menonjol untuk memeriksa tulang dan jaringan lunak pada tubuh manusia. Namun, MRI memiliki kekurangan pada waktu pemindaian yang lama. Untuk mengatasi masalah ini, pencitraan paralel digunakan untuk mengurangi waktu pemindaian dengan menggunakan beberapa koil penerima dan pengurangan data pada k-space yang menyebabkan munculnya artefak dan noise. Sensitivity Encoding (SENSE) dan Generalized Autocalibrating Partially Parallel Acquisitions (GRAPPA) merupakan algoritma pencitraan paralel yang bekerja pada domain gambar dan domain k-space untuk merekonstruksi citra yang memiliki artefak dan noise. Namun penggunaan kedua algoritma tersebut masih terbatas oleh parameter yang digunakan. Penelitian ini bertujuan untuk mengetahui bagaimana pengaruh parameter pada kedua algoritma terhadap citra hasil rekonstruksi pada MRI yang dilakukan melalui simulasi. Selama simulasi, kami menggunakan variasi jumlah kumparan (nc) dan faktor akselerasi (R) untuk kedua algoritma serta jumlah garis ACS (NACS) dan ukuran kernel (nk) untuk algoritma GRAPPA. Untuk menganalisis data, kami menggunakan metode Image Quality Assessment (IQA) yaitu structural similarity index measure (SSIM) dan mean squared error (MSE) sebagai metode kuantitatif untuk menilai kualitas gambar dengan cara membedakan citra asli dan citra hasil rekonstruksi. Berdasarkan analisis kuantitatif, hasil menunjukkan bahwa jumlah koil penerima dan faktor akselerasi saling terkait pada kedua algoritma. Dimana nilai faktor akselerasi yang semakin besar menyebabkan kualitas citra menurun sedangkan lebih banyak jumlah koil penerima yang digunakan dapat membuat citra hasil rekonstruksi menjadi lebih baik. Namun demikian, penggunaan jumlah koil penerima dengan faktor akselerasi yang tepat akan menghasilkan citra yang semakin baik. Pada parameter algoritma GRAPPA, hasil variasi jumlah garis ACS tidak menunjukkan banyak perbedaan. Sedangkan GRAPPA kernel dengan variasi nk = 9 x 4 menunjukkan hasil yang lebih baik pada citra hasil rekonstruksi. Kedua algoritma sama-sama menunjukkan hasil terbaik pada parameter nc = 16. Studi ini menunjukkan bahwa pencitraan paralel menggunakan algoritma SENSE dan GRAPPA mampu menghasilkan citra rekonstruksi yang baik yang dibuktikan dengan nilai MSE 0 dan SSIM 1 pada parameter R = 1 (full-sampled) dan pada data under-sampled dengan menggunakan parameter yang tepat

---

Magnetic Resonance Imaging (MRI) is one of the most prominent medical imaging technologies for examining human bones and soft tissues. However, it has a shortcoming of long scan time. To overcome this problem, parallel imaging is used to reduce scan time by using multiple coil receivers and under-sampled k-space data which lead to artifact and noise images. Sensitivity Encoding (SENSE) and Generalized Autocalibrating Partially Parallel Acquisitions (GRAPPA) are parallel imaging algorithms that work in the image domain and k-space domain to reconstruct the aliased images. However, the use of both algorithms is still limited by its parameter. This study aims to investigate how parameters in both algorithms influence MRI image reconstruction via simulation. During the simulation, we used the variation of the number of coils (nc) and acceleration factor (R) for both algorithms and the number of ACS lines (NACS) and size of kernel (nk) for the GRAPPA algorithm. In order to analyze the data, we use structural similarity index measure (SSIM) and mean squared error (MSE) as the image quality assessment (IQA) methods to differentiate original and reconstructed images. According to the IQA parameter, the results showed that the number of coils and acceleration factor are correlated for both algorithms. A higher acceleration factor number causes more aliasing and noise while more coils can make the reconstruction image better. Nevertheless, the number of coils with the right number of acceleration factor will result in a good reconstructed image. In GRAPPA parameters, the results of variation of the number of ACS lines did not show many differences. Whereas, GRAPPA kernel with variation of nk = 9 x 4 showed better results in the reconstructed images. Both algorithms showed the same best results in the parameter of nc = 16. This study showed that SENSE and GRAPPA are capable of retrieving good reconstruction images as evidenced by the values of MSE 0 and SSIM 1 at parameter R = 1 (full-sampled) and on under-sampled data by using the right parameters."

"Mikroorganisme di udara bebas dapat menyebabkan timbulnya berbagai penyakit pada manusia sehingga harus diperhatikan untuk meminimalisir terjadinya penyebaran infeksi. Ozon dapat digunakan untuk sterilisasi dengan kelebihan dapat menjangkau seluruh area dan tidak menyisakan zat beracun yang berbahaya. Ozon merupakan salah satu gas penyusun atmosfer yang terdiri dari molekul triatom oksigen (O3). Kemampuan ozon sebagai oksidator kuat dapat memusnahkan bakteri melalui proses oksidasi langsung. Berdasarkan hal tersebut maka penelitian ini bertujuan membuat prototipe untuk mensterilisasi ruangan dengan ozon menggunakan sistem kontrol jarak jauh. Rancangan prototipe menggunakan mikrokontroler Arduino Mega, Bluetooth, dan generator ozon sebagai penghasil ozon. Metode pengujian prototipe dilakukan menggunakan sampel Agar BBL Blood yang diletakkan di ruangan untuk disterilisasi dengan sterilisator ozon, kemudian diinkubasi selama 24 jam. Rata-rata bakteri Staphylococcus epidermidis yang tumbuh di ruang A tanpa sterilisasi sebanyak 21 CFU/m3 dan menjadi 11,2 CFU/m3 setelah sterilisasi, sedangkan pada ruang B tanpa sterilisasi sebanyak 193,4 CFU/m3 dan setelah sterilisasi 97,6 CFU/m3 . Hasil dari pengujian menunjukkan bahwa prototipe sterilisator ozon dapat mengurangi atau membunuh bakteri di udara.

---

Microorganisms in the air can cause various human diseases, hence it must be controlled to minimize infectious transmissions. Ozone can be used for sterilization with its advantages to reach the entire area and not produce toxic and harmful substances. Ozone is one of the atmospheric gases consisting of triatome oxygen (O3) molecules. The property of ozone as a strong oxidizing agent can destroy bacteria through a direct oxidation reaction. This research aims to create a prototype to sterilize rooms with ozone using a remote control system. The prototype uses an Arduino Mega microcontroller, Bluetooth, and an ozone generator to produce ozone. The testing method was carried out using BBL Blood Agar samples placed in a room to be sterilized by the prototype and incubated for 24 hours. Average growth of Staphylococcus epidermidis in room A was 21 CFU/m3 without sterilization and 11.2 CFU/m3 after sterilization, whereas and in room B was 193,4 CFU/m3 without sterilization and 97.6 CFU/m3 after sterilization. The result of the study indicated that the ozone sterilizer prototype can reduce or exterminated bacteria in the air."

"Penelitian ini berfokus pada pengembangan algoritma untuk EEG-based Brain Computer Interface (BCI) yang memanfaatkan sinyal otak untuk mengendalikan external device secara langsung. Jenis sinyal EEG yang digunakan dalam penelitian ini adalah sinyal Motor Imagery (MI) yang berisikan imajinasi gerakan anggota tubuh tertentu tanpa dilakukannya gerakan secara langsung. Pengaplikasian sinyal MI-EEG ke dalam BCI masih memiliki kendala utama dikarenakan pola yang dihasilkan sulit untuk dibedakan antara jenis gerakan yang satu dengan jenis gerakan lainnya, maupun pada jenis gerakan yang sama. Pembaharuan yang dilakukan oleh peneliti adalah dengan memanfaatkan metode Wavelet Packet Transform (WPT) yang digunakan untuk meningkatkan resolusi temporal dari sinyal dengan cara mendekomposisikan sinyal ke dalam pita - pita frekuensi (frequency band) baik pada frekuensi tinggi maupun frekuensi rendah, sehingga dapat meningkatkan kemampuan Common Spatial Pattern (CSP) sebagai spatial filter sehingga didapatkan resolusi spatial yang lebih baik untuk sinyal MI-EEG tersebut. Convolutional Neural Network (CNN) kemudian dipilih untuk pelatihan dari klasifier, dimana hasil pelatihan ini nantinya akan digunakan untuk mengklasifikasikan gerakan dari MI-EEG yang diberikan. Performa dari metode ini akan dianalisis dengan menggunakan dataset 2a dari Brain Computer Interface Competition IV (BCIC IV) dan menghasilkan peningkatan rerata nilai akurasi hingga 32%, Kappa hingga 0,42, dan F-Score hingga 0,39 dibandingkan dengan hanya menggunakan CNN sebagai klasifiernya. Performa dari algoritma ini juga memiliki nilai Kappa yang cukup baik dibandingkan dengan metode – metode lain yang digunakan sebelumnya pada dataset 2a dari BCIC IV.

---

This study is focused on proposed a new algorithm in EEG-based Brain Computer Interface (BCI) that can directly utilize brain signals to control external devices. Motor Imagery (MI) signal, which contains the imagination of a certain limb movement, is generally used in BCI. It does not need direct movement. The application of MI-EEG signal into BCI still has major problems because the patterns obtained for each recording can be different from one another even though they have the same type of motion. In this study, we utilize the Wavelet Packet Transform (WPT) method which is used to decompose the EEG signal into specifics sub-bands frequency and Common Spatial Pattern (CSP) as a spatial filter to increase the spatial resolution of the EEG signal. The Convolutional Neural Network (CNN) is then selected for training from the classifier. The results of this training will later be used to classify the movements of the given MI-EEG. We evaluate the model using dataset 2a from Brain-Computer Interface Competition (BCIC) IV. The results show that the average accuracy increases 32%, Kappa up to 0.42, and F-Score up to 0.39 compared to only using CNN as the classifier. The performance of this algorithm also has a fairly good Kappa value compared to other methods used previously in dataset 2a from BCIC IV."

"Electrical Impedance Tomography (EIT) sebagai alat pencitraan non-invasif dan fungsional semakin banyak digunakan, terutama untuk pemantauan paru-paru. Namun, kompleksitas EIT mengakibatkan waktu pemrosesan yang lambat dan kualitas gambar yang kurang baik, sehingga sulit diterapkan secara real-time. Penelitian ini mengembangkan phantom resistor yang mensimulasikan struktur paru-paru dan meningkatkan kualitas citranya dengan metode segmentasi berbasis AI. Phantom resistor ini mampu meniru impedansi listrik jaringan tubuh pada area paru-paru (kulit 1k ohm, lemak 4.7k ohm, otot 1k ohm, dan paru-paru 2.2k ohm) dan menunjukkan perbedaan citra antara kondisi ekspirasi dan inspirasi dengan nilai mean, standar deviasi, dan varian sampel yang baik. Dataset terdiri dari 594 gambar dengan variasi tipe rekonstruksi, urutan elektroda injeksi, dan posisi, digunakan untuk melatih model segmentasi. Model segmentasi K-means dengan 4 klaster dan U-Net diuji pada phantom resistor paru-paru, menunjukkan akurasi validasi 0.7071 dan kerugian validasi 0.1441, berhasil mensegmentasi jaringan tubuh di sekitar paru-paru. Peningkatan kualitas citra EIT diukur dengan SSIM terbaik sebesar 0.8225 pada segmentasi K-means, meskipun kesamaan perseptual belum dapat ditingkatkan, dengan nilai LPIPS terbaik sebesar 0.1885 pada gambar original hasil rekonstruksi EIT. Penelitian ini menunjukkan bahwa phantom resistor dan segmentasi berbasis AI dapat meningkatkan kualitas citra EIT dan memvalidasi perangkat tanpa pengujian langsung pada manusia.

---

Electrical Impedance Tomography (EIT) as a non-invasive and functional imaging tool is increasingly used, particularly for lung monitoring. However, the complexity of EIT results in slow processing times and poor image quality, making real-time application challenging. This study developed a resistor phantom that simulates lung structure and improves image quality using AI-based segmentation methods. The resistor phantom can mimic the electrical impedance of body tissues in the lung area (skin 1k ohm, fat 4.7k ohm, muscle 1k ohm, and lungs 2.2k ohm) and demonstrates image differences between expiratory and inspiratory conditions with good mean, standard deviation, and sample variance values. A dataset of 594 images with variations in reconstruction type, electrode injection sequence, and position was used to train the segmentation model. Segmentation models using K-means with 4 clusters and U-Net were tested on the lung resistor phantom, showing validation accuracy of 0.7071 and validation loss of 0.1441, successfully segmenting body tissues around the lungs. Improved EIT image quality was measured with the best SSIM value of 0.8225 in K-means segmentation, although perceptual similarity could not be improved, with the best LPIPS value of 0.1885 on the original EIT reconstructed images. This study demonstrates that the resistor phantom and AI-based segmentation can enhance EIT image quality and validate devices without direct human testing."

"Pemerintah Indonesia melalui Undang-Undang Nomor 44 Tahun 2009 mewajibkan semua alat Kesehatan untuk dikalibrasi. Sebagai implementasi dari peraturan tersebut, Kementerian Kesehatan menerbitkan Peraturan Menteri Kesehatan Nomor 54 Tahun 2015 yang mengharuskan alat kesehatan untuk dikalibrasi minimal sekali dalam satu tahun. Defibrillator adalah salah satu alat kesehatan yang berfungsi untuk memberikan kejutan listrik kepada pasien yang mengalami gangguan jantung. Untuk memastikan akurasi dan ketertelusuran metrologi, defibrillator harus dikalibrasi minimal satu kali dalam setahun. Dalam melakukan kalibrasi defibrillator, digunakan perangkat bernama defibrillator analyzer. Seperti halnya defibrillator, defibrillator analyzer juga harus dikalibrasi untuk memastikan akurasi dan ketertelusuran metrology. Metode Monte Carlo digunakan dalam kegiatan kalibrasi defibrillator analyzer dengan menggunakan high voltage differential probe untuk melakukan estimasi ketidakpastian pengukuran. Metode Monte Carlo menggunakan propagasi distribusi dan umumnya memberikan hasil yang lebih dekat dengan kenyataan serta menghasilkan nilai ketidakpastian yang lebih baik. Hasil dari kalibrasi defibrillator analyzer adalah nilai pengukuran (measurand) dengan persentase antara 93% hingga 95%, dan perhitungan ketidakpastian menggunakan Metode Monte Carlo menghasilkan ketidakpastian yang valid sebesar 100%.

---

The Indonesian Government, through Law Number 44 of 2009, mandates calibration for all healthcare equipment. As an implementation of this provision, the Ministry of Health issued Ministerial Regulation Number 54 of 2015 concerning Testing and Calibration of Healthcare Equipment, which requires healthcare equipment to be calibrated at least once a year. A defibrillator is a medical device used to deliver an electric shock to patients with heart problems. To ensure accuracy and metrological traceability, a defibrillator must be calibrated at least once a year. During the calibration of a defibrillator, a device called a defibrillator analyzer is used.

Similar to the defibrillator, the defibrillator analyzer also needs to be calibrated to ensure accuracy and metrological traceability. The Monte Carlo method is used in the calibration of the defibrillator analyzer, utilizing a high voltage differential probe to estimate measurement uncertainty. The Monte Carlo method employs distribution propagation and generally yields results closer to reality, producing better uncertainty values. The result of the defibrillator analyzer calibration is a measurand value (measurement value) ranging between 93% and 95%, and the uncertainty calculation using the Monte Carlo method yields a valid uncertainty value of 100%."

"Pelacakan kontak COVID-19 merupakan salah satu solusi preventif untuk memperlambat penyebaran virus. Beberapa negara telah menerapkan pelacakan kontak manual dan juga pelacakan digital menggunakan aplikasi smartphone. Pada penelitian ini dibangun perangkat sistem pelacakan kontak COVID-19 berbasis kedekatan menggunakan teknologi BLE (Bluetooth Low Energy) berfokus pada pelacakan dan pengendalian penyebaran virus di komunitas lokal. Perangkat terdiri dari perangkat pengirim sinyal (tag) dan perangkat penerima sinyal (scanner). Misalkan perangkat sistem diterapkan di sebuah pabrik, tag akan digunakan oleh karyawan dengan diletakkan di saku depan baju karyawan pabrik atau dikaitkan di baju. Tag akan secara terus-menerus mengirimkan sinyal yang akan terbaca oleh scanner. Sinyal yang diterima ini dengan format receive signal strength indicator (RSSI) akan digunakan untuk menghitung jarak antara scanner dan tag. Kemudian jarak tersebut akan digunakan untuk menentukan titik koordinat dari tag dengan perhitungan menggunakan algoritma trilateration. Setelah itu jarak antar tag dapat diperoleh, namun dengan adanya fluktuasi sinyal tidak dapat diperoleh titik koordinat yang sebenarnya. Sedangkan informasi kedekatan masih bisa diperoleh dengan menyaring data jarak yang kurang dari nilai ambang jarak, 2 meter, kemudian membandingkan data tersebut dengan data keseluruhan pada selang waktu yang ditentukan, sehingga menghasilkan nilai persentase. Persentase yang tinggi, diatas 80%, menunjukkan adanya kedekatan antar tag.

---

COVID-19 contact tracing is a preventive solution to slow the spread of the virus. Several countries have implemented manual contact tracing as well as digital tracking using smartphone applications. A proximity-based COVID-19 contact tracing system device using BLE (Bluetooth Low Energy) technology focuses on tracking and controlling the spread of the virus in local communities. The device consists of a signal sending device (tag) and a signal receiving device (scanner). Suppose a system device is implemented in a factory, the tag will be used by employees by placing it in the front pocket of the factory employee's clothes or hooked on the shirt. The tag will continuously send a signal that will be read by the scanner. This received signal with the receive signal strength indicator (RSSI) format will be used to calculate the distance between the scanner and the tag. Then the distance will be used to determine the coordinate point of the tag with calculations using the trilateration algorithm. After that, the distance between tags can be obtained, while with signal fluctuation the actual coordinate point cannot be obtained, but proximity information can still be obtained by filtering distance data at a specified time interval which is less than the threshold value of the distance, 2 meters, then comparing the data with the overall data, resulting in a percentage value. A high percentage, above 80%, indicates the closeness between tags."

"Pemanfaatan teknologi Electrical Impedance Tomography (EIT) dalam pencitraan medis merupakan salah satu upaya dalam bidang teknologi biomedis untuk menyediakan modalitas pencitraan yang cepat, aman, serta murah. Teknologi ini menarik perhatian peneliti dikarenakan kemampuan pencitraan menggunakan komponen yang sederhana tanpa memanfaatkan radiasi mengionisasi. Faktor yang menghambat pengadopsian dari teknologi EIT merupakan biaya perangkat instrumentasi pengukuran impedansi yang mahal dan diperlukannya algoritma yang kompleks dalam melakukan rekonstruksi gambar. Sebagian besar sistem EIT yang tersedia melakukan rekonstruksi gambar setelah keseluruhan pengukuran selesai dilakukan sehingga pencitraan tidak dilakukan dalam waktu nyata. Penulis berharap menyediakan perangkat sistem EIT sederhana yang mudah dikembangkan dan dapat melakukan pengukuran serta rekonstruksi gambar dalam waktu singkat. Penulis melakukan penelitian melalui proses perancangan dan perangkaian sistem EIT yang memanfaatkan Arduino beserta perangkat lunak MATLAB. Seluruh perangkat lunak dari sistem diintegrasikan pada perangkat lunak MATLAB untuk mengeliminasi keterlambatan akibat pemindahan data antar aplikasi. Algoritma EIDORS digunakan untuk membentuk gambar rekonstruksi. Pengukuran impedansi pada sistem dilakukan menggunakan 16 buah elektrode dengan metode pengukuran four-terminal-sensing pada frekuensi 50 kHz. Sistem EIT yang diusulkan berhasil mengintegrasikan algoritma EIDORS-MATLAB dengan Arduino untuk melakukan rekonstruksi pencitraan menggunakan sistem yang sederhana.

---

The adoption of Electrical Impedance Tomography (EIT) in medical imaging is one of the innovation of biomedical engineering to provide a faster, safer and cheaper imaging modality. This technology garner interest by researcher due to its ability to provide imaging using simple component without the use of ionizing radiation. A barrier that halted the widespread adoption of this technology is the high cost of the impedance measurement instrument as well as the complex algorithm required to employ image reconstruction. The majority of the readily available devices perform image reconstruction after the full measurement of the observation object causing the device not be able to provide imaging in real-time. This research is conducted to provide a simple and easily developed EIT system that is able to perform measurement and image reconstruction with low latency. This research is conducted through the process of designing and assembling an EIT system which utilizes Arduino using MATLAB software. The software portion of the system is integrated into MATLAB to eliminate latency due to data transfer between programs. EIDORS algorithm is used to perform image reconstruction. Impedance measurement within the system is conducted with 16 electrode using four-terminal sensing methods St 50 kHz The resulting EIT system is a simple system that integrate EIDORS-MATLAB with Arduino to perform image reconstruction. "