Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pengukuran tinggi badan dilakukan untuk memantau status gizi dan pertumbuhan anak, namun kadang-kadang tidak dapat dilakukan secara langsung pada kondisi tertentu. Tujuan dari penelitian ini adalah mengembangkan model prediksi tinggi badan pada anak usia 6-9 tahun berdasarkan tinggi lutut dan panjang depa. Penelitian dilaksanakan di SD Negeri 03 Pondok Cina pada bulan Maret-Mei tahun 2015 dengan jumlah responden sebanyak 61 anak laki-laki dan 82 anak perempuan. Desain studi yang digunakan adalah cross-sectional dengan mengukur variabel bebas berupa tinggi lutut, panjang depa, usia dan jenis kelamin, serta variabel terikat berupa tinggi badan.Hasil penelitian menunjukkan bahwa terdapat korelasi yang kuat antara usia dengan tinggi badan (r = 0,622), dan korelasi yang sangat kuat/sempurna antara tinggi lutut dengan tinggi badan (r = 0,949), panjang depa dengan tinggi badan (r = 0,884). Model prediksi tinggi badan yang didapatkan dalam penelitian ini adalah tinggi badan (cm) = 31,354 + [2,417 x tinggi lutut (cm)] dan tinggi badan (cm) = 26,2 + [0,695 x panjang depa (cm)] + [0,123 x usia (bulan)]. Tinggi lutut dan panjang depa merupakan prediktor tinggi badan yang baik, namun model prediksi berdasarkan tinggi lutut memiliki akurasi yang lebih baik dan mudah digunakan jika dibandingkan dengan model prediksi berdasarkan panjang depa.

---

Measuring stature was usually carried out to monitor nutrition and growth in children, but sometimes can?t be done directly on certain conditions. The purpose of this study was to develop prediction models of children stature aged 6-9 years based on knee height and arm span. This study was held in Pondok Cina 03 Public Elementary School in March until May 2015 with total respondents 61 boys and 82 girls. The design of this study was cross-sectional with independent variabel: knee height, arm span, age, and gender, and stature as the dependent variabel.The result of this study showed that there were a strong correlation between age and stature (r = 0.622), and a perfect correlation between knee height and stature (r = 0.949), and arm span with stature (r = 0.884). Prediction models of stature which obtained in this study was: Stature (cm) = 31.354 + [2.417 x knee height (cm)] and Stature (cm) = 26.2 + [0.695 x arm span (cm)] + [0.123 x age (month)]. Knee height and arm span are good predictors, however the prediction model based on knee height is more accurate and easier to use than prediction model based on arm span."

"Proporsi jumlah penduduk usia tua di Indonesia semakin meningkat. Hal ini menggambarkan bahwa usia harapan hidup masyarakat juga meningkat. Salah satu upaya untuk menilai status gizi dari lansia dapat dilihat dari Indeks Massa Tubuh (IMT) yaitu berat badan dan tinggi badan. Namun, pengukuran tinggi badan tegak pada lansia tidak dapat dilakukan karena skoliosis, kifosis, cacat, dan patah tulang. Tujuan studi ini adalah untuk memperoleh model prediksi tinggi badan pada pra lansia (45-59 tahun) dan lansia (60-90 tahun) berdasarkan panjang depa, tinggi lutut, usia, dan jenis kelamin. Studi ini dilakukan pada 202 (90 orang laki-laki dan 112 orang perempuan) pra lansia dan lansia, di Kecamatan Bojongsari, Kota Depok, Jawa Barat. Studi menggunakan desain cross sectional. Kriteria inklusi responden adalah laki-laki maupun perempuan dengan usia 45-90 tahun, memiliki kondisi tubuh yang sehat atau masih mampu berdiri tegak, serta dapat berkomunikasi dengan baik. Kriteria eksklusi responden adalah lansia yang memiliki salah satu tangan tidak dapat direntangkan karena patah tulang atau sebab tertentu, mengalami patah tulang/kaki palsu, dan gangguan komunikasi. Hasil dari studi ini menunjukkan bahwa korelasi panjang depa dengan tinggi badan pada laki-laki r = 0,86 perempuan r = 0,71. Korelasi tinggi lutut dengan tinggi badan pada laki-laki r = 0,79 perempuan r = 0,72. Model prediksi tinggi badan dapat dilakukan dengan prediktor panjang depa, tinggi lutut, dan usia. Model prediksi ini dapat diaplikasikan pada pasien yang diamputasi atau gangguan patah tulang.

---

Proportion of elderly in Indonesia increases. This situation describe that the life expectation have also increased. A tools to assess the nutritional status of the elderly can be seen from the Body Mass Index (BMI) from weight and height. However, measurement of height in elderly can nott be obtained because scholiosis, khifosis, deformity, of fracture. The purpose of this study was to obtain the height prediction model in middle-age (45-59 years) and elderly (60-90 years) based on arm span, knee height, age, and gender. The study was conducted on 202 (90 men and 112 women) middle-age and elderly, in Bojongsari District, Depok, West Java.

This study use cross-sectional design. Inclusion criteria for the respondents were men and women aged 45-90 years, having a healthy body condition or still able to stand upright, and can communicate well. Exclusion criteria were elderly respondents who had one hand can not be stretched because of fracture or a particular cause, suffered a rosthetic limbs, and discommunication.

Results of this study indicate that the correlation arm span to height for men women r = 0.86 r = 0.71. Knee hight correlation with height in men women r = 0.79 r = 0.72. The new height prediction models can formed using arm span, knee height, and age. The predictive models can be applied to patients who amputated or fracture."

"Menarche merupakan peristiwa pertama kali keluarnya darah melalui vagina pada anak perempuan. Seiring berkembangnya zaman, usia menarche mengalami penurunan, hal ini disebabkan oleh beberapa faktor di antaranya adalah status gizi, persen lemak tubuh, asupan zat gizi, aktivitas fisik, stimulan psikis, dan lain-lain. Penelitian ini bertujuan untuk mengetahui hubungan antara status gizi (IMT/U), persen lemak tubuh, asupan energi dan lemak, aktivitas fisik, dan keterpaparan terhadap media cetak, elektronik serta lawan jenis dengan status menarche. Penelitian menggunakan desain studi cross sectional. Populasi studi adalah seluruh siswi SDN 03 Pondok Cina tahun 2015 kelas 3, 4, dan 5 berusia 8-12 tahun yang berjumlah 89 orang ( total sampling). Hasil penelitian menunjukan bahwa sebesar 16.9% responden sudah mengalami menarche, dengan rata-rata usia menarche adalah 9.47±0.915 tahun. Usia menarche termuda adalah 8 tahun sebanyak 1 orang (6.7%) dan usia menarche tertua adalah 12 tahun atau 1 orang (6.7%). Variabel yang memiliki hubungan bermakna dengan status menarche adalah persen lemak tubuh (p value = 0.001, OR= 18.375) dan asupan lemak (p value = 0.020, OR=0.199). Saran yang dapat diberikan kepada pihak sekolah adalah mengadakan sosialisasi terkait gizi seimbang khususnya asupan zat gizi yng berkaitan dengan status menarche seperti asupan lemak serta kesehatan reproduksi.

---

Menarche is the first event discharge of blood through the vagina in girls. As time, age of menarche has decreased, it is caused by several factors among which are the nutritional status, percent body fat, nutrient intake, physical activity, mental stimulant, and others. This study aims to investigate the relationship between nutritional status (BMI / U), percent body fat, energy and fat intake, physical activity, and exposure to print media, electronic as well as the opposite sex with menarche status. The study used a cross-sectional study design. The study population was all students of SDN 03 Pondok China 2015 grade 3, 4, and 5 aged 8-12 years, amounting to 89 people (total sampling).

The results showed that 16.9% of respondents had experienced menarche, with an average age of menarche was 9:47 ± 0915 years. Age of menarche youngest is 8 years as many as one person (6.7%) and the age of menarche oldest is 12 years old or 1 (6.7%). Variables that have a meaningful relationship with menarche status is the percent of body fat (p value = 0.001, OR = 18 375) and fat intake (p value = 0.020, OR = 0.199). Advice can be given to the school is held socialization balanced nutritional intake of nutrients yng especially relating to the status of menarche as fat intake as well as reproductive health."

"One of the fisheries management model for the open seas is a population diffusion model , where fish are free to move . This model could be developed from population growth and harvesting models...."

"This paper is the result of the rain attenuation research, especially the results of ARIMA modeling of tropical rain attenuation in thr design of 28 GHZ millimeter wave communication system. Data acquasition is done on the link distance of 56.4 meters on Electrical campus ITS Surabaya. Data acquisition was recorded using the device every 1 second. The data obtained are processed using an ARIMA (p,d,q) model. The process aims to obtain a time series model. Validation process in done by comparing the ARIMA model result with measurements and attenuation model of ITU - R P.838-3. From 6 events that obtained in February 2009 concluded that all events can be approached by ARIMA (0,1,1) model. ARIMA (0,1,1) model can be used to generate rain attenuation data."

"Prediksi dengan model mesin learning regresi telah banyak digunakan untuk penelitian. Salah satu model mesin learning yang digunakan untuk prediksi adalah random forest regressor. Mesin learning membutuhkan data training untuk mempelajari pola dan hubungan antar data. Model regressor yang sedangkan dikembangkan dalam bidang medis saat ini adalah model yang dapat memprediksi dosis pada perencanaan IMRT. Data perencanaan dalam format DICOM (format asli data) dieksport ke bentuk CVS (Comma Separated Values). Kemudian data dibagi menjadi data training dan testing yang dipilih secara random. Algoritma yang digunakan untuk memprediksi adalah random forest yang akan di training menggunakan 7-fold validation dan kemudian model akan di uji dengan data baru yaitu data testing yang belum pernah dilihat oleh model. Data yang dievaluasi yaitu parameter untuk mendapat HI (Homogenety Index) untuk organ target, dan dosis mean dan max untuk OAR (Organ At Risk). Random forest mampu memprediksi nilai sebenarnya dengan kesalahan dievaluasi menggunakan MAE pada fitur PTV D2 (0,012), D50 (0,015) dan D98 (0,018) serta pada fitur OAR (mean dan  max) paru kanan (0,104 dan 0,228), paru kiri (0,094 dan 0,27), jantung (0,088 dan 0,267), spinal cord (0,069 dan 0,121) dan (V95) Body (0,094).

---

Predictions with machine learning regression models have been widely used for research. One of the machine learning models used for prediction is the random forest regressor. Machine learning requires training data to determine patterns and relationships between data. Nowadays, the regressor model that being developed in the medical field is able to predict dose in IMRT planning. Planning data in DICOM format (original data format) was exported to CVS (Comma Separated Values) format. Then, the data was divided into training and testing data which were selected randomly. The algorithm used to predict is a random forest that was trained using 7-fold validation and the model was evaluated with new data, namely testing data that have not been seen by the model. The evaluated data are parameters to obtain HI (Homogenety Index) for target organs, and mean and max doses for OAR (Organ At Risk). Random forest was able to predict the true value with errors and it was evaluated using MAE for PTV D2 (0,012), D50 (0,015) and D98 (0,018), for OAR (mean and  max) right lung (0,104 and 0,228), left lung (0,094 and 0,27), heart (0,088 and 0,267), spinal cord (0,069 and 0,121) and (V95) Body (0,094)."

"Due to particular conditions, sometimes actual height can not be measured. Thus, this study was conducted to develop height prediction model of adolescent from knee height and ulna length. This cross sectional study involved 205 students of SMPN 7 Depok and SMAN 6 Depok. Subjects’s identity was recorded using questionairre, while stature height, knee height, and ulna length was measured directly. Prediction models was developed using multiple regression. Height prediction model from knee height has the highest R2 and the lowest MAE with equation Height (cm) = 38,422 - 1,878 Sex + 1,453 Age (year) + 2,071 knee height (cm).

---

Tinggi badan aktual terkadang tidak dapat diukur karena beberapa kondisi tertentu. Oleh karena itu, penelitian ini bertujuan mengembangkan model prediksi tinggi badan pada remaja berdasarkan tinggi lutut dan panjang ulna. Penelitian pontong lintang ini melibatkan 205 murid SMPN 7 Depok dan SMAN 6 Depok. Data identitas subjek diperoleh melalui pengisian kuesioner, sedangkan tinggi badan, tingi lutut, dan panjang ulna diukur langsung. Model prediksi dikembangkan menggunakan regresi ganda. Model prediksi tinggi badan dari tinggi lutut memiliki R2 terbesar dan MAE terkecil dengan persamaan Tinggi Badan (cm) = 38,422 - 1,878 Jenis Kelamin + 1,453 Umur (thn) + 2,071 Tinggi Lutut (cm)."

"ABSTRAKPengukuran tinggi badan merupakan salah satu pengukuran dimensi tubuh yang penting untuk memantau status kesehatan. Metode pengukuran antropometri pengganti dibutuhkan ketika tinggi badan aktual tidak dapat dilakukan. Penelitian ini merupakan penelitian kuantitatif dengan desain penelitian cross-sectional yang bertujuan untuk mengembangkan model prediksi tinggi badan berdasarkan panjang ulna, panjang telapak tangan, dan panjang telapak kaki dengan menggunakan persamaan regresi linier. Sebanyak 47 anak laki-laki, dan 44 anak perempuan tanpa disabilitas yang berasal dari SDIT X di Depok dilibatkan dalam penelitian ini selama bulan April-Mei 2017. Karakteristik antropometri yang diukur adalah tinggi badan, usia, panjang ulna, panjang telapak tangan, dan panjang telapak kaki. Hasil penelitian menunjukkan adanya perbedaan signifikan dan korelasi yang yang kuat antara tinggi badan dengan panjang ulna kanan laki-laki r= 0.849, perempuan r= 0.880 , panjang ulna kiri laki-laki r= 0.857, perempuan r= 0.880 , panjang telapak tangan kanan laki-laki r= 0.831, perempuan r= 0.842 , panjang telapak tangan kiri laki-laki r= 0.843, perempuan r= 0.851 , panjang telapak kaki kanan laki-laki r= 0.838, perempuan r= 0.900 , panjang telapak kaki kiri laki-laki r= 0.8443, perempuan r= 0.902 . Penelitian ini menghasilkan persamaan regresi linier ganda untuk memprediksi tinggi badan. Panjang ulna, panjang telapak tangan, dan panjang telapak kaki merupakan prediktor yang baik dalam memprediksi tinggi badan anak usia 6-9 tahun R2 ulna kanan= 0.796, R2 ulna kiri= 0.800, R2 telapak tangan kanan= 0.761, R2 telapak tangan kiri= 0.772, dan R2 telapak kaki kiri= 0.820 . Model prediksi tinggi badan berdasarkan panjang telapak kaki kiri memiliki akurasi yang lebih baik dibandingkan prediktor lainnya.

---

ABSTRACTHeight measurement is fundamental to assessing growth and nutrition. The surrogate measurement method is needed when actual height can not be obtained directly. The design of this study was cross sectional which purposed to develop prediction models based on ulna length, hand length, and foot length. Males and females aged 6 to 9 years without disability were recruited from Private Elementary School in Depok on April until May 2017. The anthropometric characteristics of their height, age, ulna length, hand length, and foot length were measured. Height was measured with a stadiometer, ulna, hand, and foot length were measured with caliper. The result of this study showed significant differences and strong correlation between stature and right ulna length boys r 0.849, girls r 0.880 , left ulna length boys r 0.857, girls r 0.880 , right hand length boys r 0.831, girls r 0.842 , left hand length boys r 0.843, girls r 0.851 , right foot length boys r 0.838, girls r 0.900 , left foot length boys r 0.8443, girls r 0.902 . The study derived a multiple linear regression equation for predicting height. Ulna length, hand length, and foot length are good predictor for estimating height in children aged 6 9 years right ulna R2 0.796, left ulna R2 0.800, right hand R2 0.761, left hand R2 0.772, dan left foot R2 0.820 . Prediction model based on left foot more accurate in estimating height than other predictors."