Radioterapi merupakan pengobatan kanker yang menggunakan radiasi pengion untuk mematikan sel kanker tanpa akibat fatal pada jaringan sehat di sekitarnya untuk tujuan kuratif maupun paliatif. 3D-CRT menjadi salah satu teknik yang digunakan untuk penyinaran kanker dengan IMRT dan VMAT sebagai pengembangan teknik radiasi dengan memvariasikan modulasi lapangan dan gantry. Oleh karena itu, prosedur patient-specific quality assurance (PSQA) dibutuhkan untuk memverifikasi dosis perencanaan dengan dosis yang disampaikan ke pasien. PRIMO adalah program simulasi Monte Carlo yang dapat digunakan dalam verifikasi dosimetri plan treatment (TPS) radioterapi dengan cara menghitung distribusi dosis radiasi dan membandingkannya dengan hasil pengukuran. Penelitian ini bertujuan untuk mengevaluasi performa TPS dan membandingkan hasil perhitungan distribusi dosis TPS dengan simulasi PRIMO Monte Carlo. Perencanaan 3D-CRT, IMRT, dan VMAT dilakukan menggunakan Rando breast phantom pada TPS, kemudian distribusi dosis dibandingkan dengan hasil simulasi PRIMO untuk mendapatkan nilai HI dan CI, serta dapat mengevaluasi dose constraint pada OAR. Evaluasi dosimetrik dosis dari simulasi rekonstruksi pada volume target menghasilkan nilai HI sebesar 0,16 hingga 0,20 untuk perencanaan 3D, 0,08 hingga 0,40 untuk perencanaan IMRT dan 0,14 hingga 0,82 untuk perencanaan VMAT. Serta nilai CI sebesar 0,93 hingga 0,95 untuk perencanaan 3D, 0,81 hingga 0,99 untuk perencanaan IMRT dan 0,67 hingga 0,95 untuk perencanaan VMAT. Perbandingan antara TPS dan Monte Carlo menunjukkan bahwa PSQA yang dilakukan pada 3D-CRT memiliki deviasi HI dan CI yang lebih kecil daripada IMRT dan VMAT. Namun, terdapat penurunan HI dan CI yang signifikan pada simulasi perencanaan IMRT dan simulasi berkas Dynalog VMAT. Dosis yang diterima pada OAR masih berada dalam ambang batas penerimaan yang menandakan sparing yang baik pada jaringan sekitar. Untuk prosedur PSQA, teknik 3D-CRT masih menjadi yang paling aman karena tingkat kompleksitasnya yang lebih rendah dibandingkan dengan IMRT dan VMAT, namun tidak menutup kemungkinan bahwa distribusi dosis yang dihasilkan lebih merata.

---

Radiotherapy is a cancer treatment that uses ionizing radiation to kill cancer cells without fatal consequences to surrounding healthy tissue for curative and palliative purposes. The 3D-CRT is one of the techniques used for irradiation with IMRT and VMAT as an advanced radiation technique, where radiation doses are administered using variated beam modulation and gantry. Therefore, a patient-specific quality assurance (PSQA) procedure is needed to ensure the accuracy of the treatment plan. PRIMO is a Monte Carlo simulation program that can be used in the verification of radiotherapy treatment plan (TPS) by calculating and comparing the dose distribution with the measurement. This study aims to evaluate the performance of the TPS and compare the results of the TPS dose distribution calculation with the PRIMO Monte Carlo simulation. The planning of 3D-CRT, IMRT, and VMAT was carried out using Rando breast phantom at TPS, and then the dose distribution was compared with the results of PRIMO simulation to obtain HI and CI values and evaluate the dose constraint on OAR. Dosimetric evaluation of the dose from the reconstruction simulation at the target volume resulted in an HI value of 0.16 to 0.20 for 3D planning, 0.08 to 0.40 for IMRT planning, and 0.14 to 0.82 for VMAT planning. As well as a CI value of 0.93 to 0.95 for 3D planning, 0.81 to 0.99 for IMRT planning, and 0.67 to 0.95 for VMAT planning. The TPS and Monte Carlo comparison shows that the PSQA conducted on 3D-CRT has a smaller HI and CI deviation than IMRT and VMAT. However, there was a significant decrease in HI and CI in IMRT planning simulations and Dynalog VMAT file simulations. The dose received at OAR is still within the dose threshold tolerances, indicating good sparring in the surrounding tissues. For the PSQA procedure, the 3D-CRT technique is still the safest due to its lower level of complexity compared to IMRT and VMAT, but the resulting dose distribution may be more even.