Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKKanker serviks merupakan salah satu jenis kanker yang berbahaya. Berdasarkan data dari Departemen Kesehatan Republik Indonesia Depkes RI , kanker serviks merupakan salah satu penyakit kanker dengan prevelensi tertinggi sebesar 0.8 di Indonesia. Maka dari itu diperlukan tindakan pendeteksian dini dengan menggunakan microarray dataset. Microarray dataset mempunyai jumlah fitur yang banyak tetapi tidak semua fitur yang ada relevan dengan data yang digunakan. Oleh karena itu, perlu dilakukan pemilihan fitur untuk meningkatkan akurasi. Pemilihan fitur yang digunakan adalah Artificial Bee Colony ABC . Setelah dilakukan pemilihan fitur, akan dilakukan klasifikasi menggunakan metode klasifikasi Na ve Bayes. Hasilnya, didapatkan akurasi terbaik klasifikasi Na ve Bayes tanpa pemilihan fitur adalah 60 pada saat data training 90 dan untuk klasifikasi Na ve Bayes dengan menggunkan pemilihan fitur Artificial Bee Colony didapatkan akurasi tertinggi adalah 93.33333 . dengan fitur sebanyak 50 dan data training 90 .

---

ABSTRACTCervical cancer is one of the most dangerous cancer. Based on data from Departemen Kesehatan Republik Indonesia Depkes RI , cervical cancer is one of the diseases with the highest prevalence of 0.8 in Indonesia. Therefore, early detection action is needed with using microarray dataset. Microarray datasets have a large number of features but not all features are relevant to the data is used. Therefore, feature selection is needed to improve the accuracy. The feature selection that used is Artificial Bee Colony ABC . After feature selection process is done, Naive Bayes classification method will be implemented for classification process. As a result, the best accuracy of Na ve Bayes classification without feature selection is 60 with 90 training data and for Na ve Bayes classification using Artificial Bee Colony feature selection is 93.33333 with using 50 features selection and 90 training data."

"ABSTRAKKanker merupakan penyebab utama kematian kedua di seluruh dunia sehingga mengakibatkan kanker menjadi salah satu prioritas masalah dalam kesehatan. Di Indonesia, tercatat bahwa kanker payudara dan kanker paru-paru memiliki angka kejadian dan kematian tertinggi bagi wanita dan pria WHO, 2014 . Untuk menangani hal tersebut, dalam tugas akhir ini diusulkan suatu metode untuk mengklasifikasikan data kanker menggunakan Support Vector Machines SVM dengan pemilihan fitur berdasarkan Artificial Bee Colony ABC dan Global Artificial Bee Colony GABC pada data kanker payudara dan paru-paru berbasis microarray. Hasil yang diperoleh menunjukkan bahwa metode pemilihan fitur ABC dan GABC memberikan hasil rata-rata akurasi yang lebih tinggi dibandingkan tanpa dilakukan pemilihan fitur dalam klasifikasi data kanker. Untuk pemilihan fitur, metode GABC memberikan hasil yang lebih unggul yaitu dengan akurasi tertinggi 99,99 dengan 10 fitur untuk data kanker paru-paru dan 96,4286 dengan 10 fitur untuk data kanker payudara selama 3 kali running sedangkan metode ABC memberikan rata-rata akurasi tertinggi 99,99 dengan 20 fitur untuk data kanker paru-paru dan 96,4286 dengan 10 fitur untuk data kanker payudara selama 5 kali running.

---

ABSTRACTCancer is the second leading cause of death globally, so that cancer becomes one of priority problems in health. According to WHO on 2014, Indonesia has breast cancer and lung cancer that is the highest incidence and death rates for women and men. To overcome it, in this research, we proposed method to classify cancer data using Support Vector Machines SVM with features selection based on Artificial Bee Colony ABC and Global Artificial Bee Colony GABC on breast and lung cancer based on microarray data. The results show that ABC and GABC as features selection method produced higher average classification accuracy than without no features selection. For features selection methods, the GABC method provides higher results with the highest 99,99 with 10 features for lung cancer data and 96,4286 with 10 features for breast cancer data for 3 times of runs while ABC method provides 99,99 with 20 features for data lung cancer and 96,4286 with 10 features for breast cancer data for 5 times of runs."

"Kanker merupakan kelompok penyakit yang ditandai dengan pertumbuhan dan penyebaran sel-sel abnormal yang tidak terkendali. Jika penyebaran sel tersebut tidak terkendali, hal ini dapat menyebabkan kematian. Berdasarkan American Cancer Society, pendeteksian dini terhadap sel kanker dapat meningkatkan angka harapan hidup seorang pasien lebih dari 97 . Banyak penelitian yang telah meneliti mengenai klasifikasi kanker menggunakan microarray data. Microarray data terdiri dari ribuan fitur gen namun hanya memiliki puluhan atau ratusan sampel. Hal tersebut dapat menurunkan akurasi klasifikasi sehingga perlu dilakukannya pemilihan fitur sebelum proses klasifikasi.Pada penelitian ini dilakukan dua tahap pemilihan fitur. Pertama, support vector machine recursive feature elimination SVM-RFE digunakan untuk prefilter gen. Kedua, hasil pemilihan fitur SVM-RFE diseleksi kembali dengan menggunakan artificial bee colony ABC yang merupakan algoritma optimisasi berdasarkan perilaku lebah madu. Penelitian ini menggunakan dua dataset, yaitu data kanker paru-paru Michigan dan Ontario dari Kent Ridge Biomedical Dataset.Hasil percobaan dengan menggunakan SVM-RFE dan ABC menunjukkan nilai akurasi klasifikasi yang lebih tinggi daripada tanpa pemilihan fitur, SVM-RFE, dan ABC, yaitu 98 untuk data kanker paru-paru Michigan dengan menggunakan 100 fitur dan 97 untuk data kanker paru-paru Ontario dengan menggunakan 70 fitur.

---

Cancer is a group of diseases characterized by the uncontrolled growth and spread of abnormal cells. If the spread is not controlled, it can result in death. Based on American Cancer Society, early detection of cancerous cells can increase survival rates for patients by more than 97 . Many study showed new aspect of cancer classification based microarray data. Microarray data are composed of many thousands of features genes and from tens to hundreds of instances. It can decrease classification accuracy so feature selection is needed before the classification process

In this paper, we propose two stages feature selection. First, support vector machine recursive feature elimination recursive feature elimination SVM RFE is used to prefilter the genes. Second, the SVM RFE features selection result is selected again using Artificial Bee Colony ABC which is an optimization algorithm based on a particular intelligent behavior of honeybee swarms. This research conducted experiments on Ontario and Michigan Lung Cancer Data from Kent Ridge Biomedical Dataset.

Experiment results demonstrate that this approach provides a higher classification accuracy rate than without feature selection, SVM RFE, and ABC, 98 for Michigan lung cancer dataset with using 100 features and 97 for Ontario lung cancer dataset with using 70 features."

"ABSTRAKTujuan: Menilai masa pemulihan disfungsi saluran kemih setelah histerektomi radikal pada pasien kanker serviks di RSUPN Ciptomangunkusumo. Metode: Studi survei dilakukan di RSUPN Cipto Mangunkusumo dari September 2016 hingga Mei 2017. Subjek penelitian terdiri dari pasien kanker serviks stadium IA2 hingga IIA2 yang menjalani histerektomi radikal. Kateter suprapubik SPC digunakan sebagai alat untuk memantau produksi urin pasca operasi. Pasien diinstruksikan untuk mengikuti protokol bladder training yaitu melalui prosedur menutup dan membuka kateter. Rasa sensasi ingin berkemih dan berkemih spontan. Pengukuran residu volume urin pasca berkemih dibawah 100mL dianggap merupakan indikator pemulihan disfungsi saluran kemih. Rata-rata hari dari setiap fase kemudian dihitung. Hasil: Dua puluh sembilan subjek didapatkan selama penelitian. Namun, hanya 21 subjek yang dapat mengikuti protocol bladder traning dan dicatat perkembangan pemulihannya. Rata-rata hari yang diperlukan untuk merasakan sensasi berkemih dan berkemih spontan adalah 7,57 4.78 hari median 5 hari, minimum 3 hari, dan maksimum 22 hari dan 8 5.21 hari. median 6 hari, minimum 3 hari dan maksimum 23 hari Rata-rata hari untuk mencapai residu urin di bawah 100 mL adalah 21.42 18 median 18 hari, minimum 7 hari, dan maksimum 74 hari . Kesimpulan: Setelah prosedur histerektomi radikal, pencatatan masa pemulihan penting untuk dipantau untuk memastikan pemulihan lengkap. Rata-rata hari yang diperlukan untuk pemulihan adalah 21.42 18 hari median 18 hari, minimum 7 hari, dan maksimum 74 hari .

---

ABSTRACTObjectives To assess the length of recovery phase in urinary tract dysfunction following radical hysterectomy for cervical cancer patients in Ciptomangunkusumo Hospital. Methods This survey study was conducted in Cipto Mangunkusumo Hospital from September 2016 to May 2017. Subjects were cervical cancer patients from stage IA2 to IIA2 underwent radical hysterectomy. Suprapubic catheter SPC was inserted to observe the urine production after procedure. Patients were then directed for bladder training protocol involving clamping and opening SPC. Sensation of bladder fullness followed by spontaneous micturition were recorded. Measurement of post voiding residual PVR urine volume after spontaneous micturition until less than 100 mL was considered as resolution of urinary tract dysfunction. The average days of every achieved phase were then calculated. Results Twenty nine subjects underwent radical hysterectomy during observation period. But only 21 subjects continued the bladder training protocol and recorded for the recovery phases. The average time needed to obtain sensation of bladder fullness and spontaneous micturition were 7.57 4.78 days median 5 days, minimum 3 days, maximum 22 days and 8 5.21 days median 6 days, minimum 3 days, maximum 23 days . The objective PVR urine became less than 100mL was obtained after 21.42 18 days median 18 days, minimum 7 days, maximum 74 days . Conslusion Following radical hysterectomy, recording the recovery phase of urinary tract dysfuction is essential to ensure complete resolution. Complete resolution of the urinary dysfunction is achieved after 21.4218 days in average median 18 days, minimum 7 days, maximum 74 days ."

"ABSTRAKLatar belakangKematian akibat kanker serviks masih tinggi karena sekitar 90% terdiagnosis pada stadium lanjut. Kanker serviks merupakan penyakit yang dapat dicegah. Rumah sakit memiliki peran penting dalam pencegahan kanker serviks, baik dalam pencegahan primer (vaksinasi HPV) maupun pencegahan sekunder (skrining kanker serviks dan tatalaksana kasus dengan hasil skrining yang positif).TujuanMengetahui peran rumah sakit di DKI Jakarta dalam pencegahan primer dan sekunder kanker serviks.MetodePenelitian ini adalah survey yang dilakukan pada 25 rumah sakit yang dipilih secara simple random sampling dari 109 rumah sakit yang ada di DKI Jakarta. Dilakukan wawancara menggunakan kuesioner yang berisi pertanyaan mengenai aspek pengetahuan, sikap dan perilaku terhadap 117 tenaga kesehatan serta identifikasi kesiapan fasilitas terkait pencegahan kanker serviks pada 25 rumah sakit tersebut.HasilDari aspek pengetahuan penelitian ini menunjukkan bahwa semua tenaga kesehatan (100%) mengetahui bahwa vaksinasi HPV dilakukan sebagai pencegahan primer kanker serviks, 98,3% mengetahui bahwa vaksin HPV disuntikkan intra muskular, 91,5% mengetahui bahwa vaksinasi HPV diberikan 3x yaitu pada bulan ke 0, 1, 6 atau 0, 2, 6, dan 71,8% mengetahui bahwa vaksin HPV disuntikkan pada deltoid. Sebagian besar tenaga kesehatan (99,1%) mengetahui bahwa tes IVA (Inspeksi Visual dengan Aplikasi Asam Asetat) dapat digunakan untuk deteksi dini kanker serviks, 76,9% mengetahui cara menginterpretasi hasil tes IVA yang positif, dan 60,7% tahu bagaimana cara melakukan tes IVA. Sebanyak 93,2% tenaga kesehatan mengetahui tujuan tes pap dan 82,1% mengetahui bagaimana cara melakukan tes pap. Dari aspek sikap, sebagian besar tenaga kesehatan (96,6%) setuju untuk memberikan vaksinasi HPV, 94% setuju untuk melakukan tes IVA dan 98,3% setuju untuk melakukan tes pap. Dari aspek perilaku, sebagian besar tenaga kesehatan (76,9%) menawarkan pada klien/pasiennya vaksinasi HPV dan 62,4% pernah melakukan vaksinasi HPV, 52,1% menawarkan dan 30,8% pernah melakukan pemeriksaan IVA serta 86,3% menawarkan dan 71,8% melakukan tes pap. Sebagian besar tenaga kesehatan perempuan yang sesuai dengan persyaratan (75%) sudah melakukan tes pap bagi dirinya sendiri, tetapi hanya 32,5% yang sudah mendapatkan vaksinasi HPV.Dari segi fasilitas, 20 rumah sakit (80%) di DKI Jakarta menyediakan vaksinasi HPV, dan semua (100%) rumah sakit menyediakan tes pap. Hanya 11 rumah sakit (44%) yang menyediakan tes IVA dan 10 rumah sakit (40%) yang menyediakan kolposkopi.KesimpulanSebagian besar rumah sakit di DKI Jakarta sudah mempunyai tenaga kesehatan dengan pengetahuan dan sikap yang baik dalam pencegahan kanker serviks, namun dari aspek perilaku sebagian besar belum menunjukkan perilaku yang baik dalam pencegahan primer kanker serviks. Sebagian besar rumah sakit di DKI Jakarta sudah menyediakan fasilitas pelayanan vaksinasi HPV dan tes pap, namun sebagian besar belum menyediakan fasilitas IVA dan kolposkopi.

---

ABSTRACTIntroductionMortality caused by cervical cancer remains high because 90% of cases are diagnosed at advanced stage. Cervical cancer is a preventable disease. Hospitals have an important role in cervical cancer prevention, including primary prevention (HPV vaccination) and secondary prevention (cervical cancer screening and treatment of positive screening results).ObjectiveTo evaluate the role of hospitals in DKI Jakarta on primary and secondary cervical cancer preventionMethodThis was a survey conducted to 25 hospitals, chosen with simple random sampling from 109 hospitals in DKI Jakarta. Questionnaire used for interview contained statements regarding knowledge, attitude and behavior of 117 health care professionals along with identification of facility preparedness for cervical cancer prevention within those 25 hospitals.ResultThe assessment of knowledge shows that all health care professionals (100%) knew that HPV vaccination is used as a primary prevention for cervical cancer. About 98.3% responden knew HPV vaccine injected intramuscularly. As much as 91.5% of the responden knew HPV vaccine is given three times either at month 0,1, 6 or at month 0,2,6. About 71.8% responden knew deltoid as site for vaccine injection.Most of health care professionals (99.1%) knew VIA (visual inspection with acetic acid) can be used for early detection of cervical cancer. About 76.9% responden knew how to intepret positive VIA results and 60.7% responden knew how to do VIA test. As much as 93.2% health care professional knew the purpose of Pap test and about 82.1% knew how to do it. From attitude aspect, most of health care professionals (96.6%) agreed in giving HPV vaccination. About 94% of them agreed to do VIA test and about 98.3% agreed in conducting Pap test. From behavioral aspect, most of the responden (76.9%) offered HPV vaccination to their clients/patients and 62.4% responden did HPV vaccination. VIA test was offered and conducted by 52.1% and 30.8% of them, respectively. About 86.3% responden offered Pap test and 71.8% did the Pap test. As many as 75% of female health care professionals who meet the qualification already had a Pap test for themselves, but only 32.5% ever been vaccinated for HPV. From facility aspect, twenty hospitals (80%) in DKI Jakarta offered HPV vaccination with Pap test can be done in all of them. VIA test and colposcopy were only available in eleven (44%) and ten (40%) hospitals respectively.ConclusionMost hospitals in DKI Jakarta have health care professionals with good knowledge and attitude in cervical cancer prevention. However, not many have shown expected behavior in the primary prevention. Most hospitals in DKI Jakarta provide facilities for HPV vaccination and Pap test, but only few have VIA facilities and colposcopy."

"Latar belakang : Kanker serviks merupakan penyebab ketiga kematian dan morbiditas tertinggi pada wanita di seluruh dunia. Morbiditas dan mortalitas pasien dengan kanker serviks meningkat seiring dengan peningkatan usia dan stadium klinis. Metastasis menuju kelenjar getah bening (KGB) paraaorta merupakan salah satu bentuk metastasis pada kanker serviks stadium lanjut. Tujuan : Mengetahui adakah perbedaan respon klinis pasca radioterapi dan kesintasan 1 tahun pada pasien kanker serviks stadium lanjut dengan pembesaran KGB paraaorta dibandingkan pasien tanpa pembesaran KGB paraaorta.Metode : Penelitian ini merupakan penelitian analitik observasional dengan menggunakan metode kohort retrospektif. Pengambilan sampel dilakukan dengan cara conse cutive sampling. Subyek penelitian ini adalah semua wanita dengan diagnosis primer kanker serviks stadium IIB hingga IVB yang datang ke poliklinik Onkologi Ginekologi RSUPN dr. Cipto Mangunkusumo dan menjalani pemeriksaan MRI sebelum dilakukan terapi pada bulan Januari 2016 hingga Mei 2017.Hasil : Dari 76 subjek yang diteliti, didapatkan sebanyak 4 (5,1%) subyek yang mengalami pembesaran KGB paraaorta. Tidak didapatkan perbedaan yang bermakna antara status pembesaran KGB paraaorta dan usia (p = 0,829), usia hubungan seksual pertama (p = 0,333), paritas (p = 0,642), dan diameter massa (p = 0,777). Diferensiasi buruk memiliki risiko 3,89 lipat (p < 0,0001, IK95% 2,64-5,74) memiliki respon terapi negatif. Pasien dengan pembesaran KGB paraaorta memiliki risiko 2,13 kali lipat (p = 0,02, OR 2,13, IK95% 1,12-4,07) memiliki risiko respon terapi negatif. Tidak terdapat perbedaan kesintasan 1 tahun antara pembesaran KGB paraaorta dan tidak (median 201 vs. 293, p = 0,072.Kesimpulan : Tidak terdapat perbedaan karakteristik sosiodemografis, dan kesintasan 1 tahun antara pasien kanker serviks stadium lanjut dengan pembesaran KGB dan tanpa pembesaran KGB. Pasien dengan diferensiasi kanker buruk dan pembesaran KGB paraaorta memiliki risiko lebih tinggi mengalami respon radioterapi negatif. (p < 0,05).

---

Background : Cervical cancer is the third leading cause of death and highest morbidity in women worldwide. Morbidity and mortality of patients with cervical cancer increases along with age and clinical stage. Metastasis to the paraaortic lymph node (PALN) is a form of metastasis in advanced cervical cancer.

Objective : To determine whether there are differences in clinical response after radiotherapy and 1 year survival in patients with advanced cervical cancer with enlargement of PALN compared to patients without enlargement of PALN.

Method : This study was an observational analytic study using a retrospective cohort method. Sampling was done by consecutive sampling. The subjects of this study were all women with a primary diagnosis of stages IIB to IVB cervical caner who came to the gynecological oncology clinic of Dr. Cipto Mangunkusumo National General Hospital and underwent MRI examination before being treated in January 2016 to May 2017.

Result : From 76 subjects studied, there were 4 (5.1%) subjects who had enlarged PALN. There were no significant differences between the enlargement status of PALN and age (p = 0.829), age of first sexual intercourse (p = 0.33), parity (p = 0.642), mass diameter (p = 0.777). Badly differentiated mass has 3.89 times risk of having negative radiotherapy outcome (p < 0.0001, CI95% 2.64-5.74). Patients with PALN enlargement have 2.13 times risk of having negative radiotherapy outcome (p = 0.02, OR 2.13, CI95% 1.12 – 4.07). There was no difference in 1-year survival between patients with and without enlargement of PALN (median 201 vs. 293, p = 0.072).

Conclusion : There were no differences in sociodemographic characteristics and 1 year survival between patients with advanced cervical cancer with enlargement PALN. Patients with badly differentiated mass and PALN enlargement have increased risk of having negative radiotherapy outcome (p < 0.05)."

""b>ABSTRAK"Intrusion Detection System adalah suatu sistem yang berfungsi untuk mendeteksi serangan berbahaya dan kerentanan pada jaringan komputer. Beberapa teknik data mining telah diajukan dalam menyelesaikan persoalan deteksi intrusi pada jaringan. Pada skripsi ini, akan diajukan klasifikasi data Intrusion Detection System menggunakan Na ve Bayes Classifier dan Particle Swarm Optimization sebagai pemilihan fitur. Pertama, Particle Swarm Optimization melakukan pemilihan fitur untuk mendapatkan fitur yang optimal. Lalu, hasil dari pemilihan fitur tersebut akan diklasifikasikan menggunakan Na ve Bayes Classifier dengan harapan dapat memberikan hasil yang lebih akurat. Data yang digunakan adalah dataset KDD CUP 1999. Hasil akhir dari penelitian ini adalah berupa perbandingan hasil akurasi antara klasifikasi menggunakan Na ve Bayes Classifier tanpa pemilihan fitur dan klasifikasi menggunakan Na ve Bayes Classifier dengan pemilihan fitur Particle Swarm Optimization. Hasil empiris menunjukkan bahwa klasifikasi menggunakan Na ve Bayes Classifier tanpa pemilihan fitur memperoleh akurasi tertinggi sebesar 99.16 . Sementara klasifikasi menggunakan Na ve Bayes Classifier dengan pemilihan fitur Particle Swarm Optimization memperoleh akurasi tertinggi sebesar 99.12 . Hasil dari penelitian ini menunjukkan bahwa metode pemilihan fitur Particle Swarm Optimization dapat diterapkan pada proses klasifikasi menggunakan Na ve Bayes Classifier. Akan tetapi dengan menambahkan metode ini tidak menjamin bahwa hasil yang diperoleh akan lebih baik daripada proses klasifikasi menggunakan Na ve Bayes Classifier tanpa pemilihan fitur."

---

""ABSTRACT"Intrusion Detection System is a system that has a function to detect malicious attacks and vulnerabilities on computer networks. Several data mining techniques have been proposed in solving the problem of intrusion detection on the network. In this research, data classification of Intrusion Detection System will be filed using Na ve Bayes Classifier and Particle Swarm Optimization as feature selection. First, Particle Swarm Optimization will perform the feature selection to get the optimal features. Then, the results of the feature selection will be classified using Na ve Bayes Classifier in hopes of getting more accurate results. The data used in this study is KDD CUP 1999 dataset. The end result of this study is a comparison of accurate results between the classification using Na ve Bayes Classifier without feature selection and classification using Na ve Bayes Classifier with Particle Swarm Optimization as feature selection. The empirical results indicate that the classification using Na ve Bayes Classifier without feature selection obtains the highest accuracy of 99.16 . While the classification using Na ve Bayes Classifier with Particle Swarm Optimization as feature selection obtained the highest accuracy of 99.12 . The results of this study indicate that the Particle Swarm Optimization feature selection method can be applied to the classification process using Na ve Bayes Classifier. However, adding this method does not guarantee that the results obtained will be better than the classification process using Na ve Bayes Classifier without feature selection."

"Klasifikasi data kanker dilakukan untuk menemukan terapi yang tepat yaitu memaksimalkan efektivitas dan meminimalkan toksisitas. Pada umumnya, data kanker terdiri dari banyak fitur. Namun, tidak semua fitur tersebut informatif. Oleh karena itu, fitur-fitur tersebut akan diseleksi menggunakan metode Fisher's Ratio untuk memilih fitur-fitur yang paling informatif. Fitur-fitur terbaik akan dibentuk data baru. Data, sebelum dan setelah dilakukan pemilihan fitur, diklasifikasi menggunakan metode Fuzzy C-Means. Akurasi dari proses klasifikasinya akan dibandingkan. Hasilnya, tanpa melakukan pemilihan fitur, diperoleh rata-rata akurasi sebesar 82.92%. Setelah dilakukan pemilihan fitur, diperoleh akurasi terbaik dengan menggunakan 150 fitur dengan rata-rata akurasi sebesar 89.68%.

---

Classification of cancer data is done to find the right therapy that maximize efficacy and minimize toxicity. In general, cancer data consists of many features. However, not all of these features are informative. Therefore, these features will be selected using Fisher's Ratio to choose features that are most informative. The best features to be formed new data. Data, before and after feature selection, are classified using Fuzzy C-Means. The accuracy of the classification process will be compared. As a result, without doing feature selection, the accuracy is 82.92%. After doing feature selection, the best accuracy is obtained by using 150 features with the accuracy is 89.68%."

"Penelitian ini membahas mengenai tingkat keberhasilan verifikasi kasus kanker serviks dengan kanker nasofaring. Dalam penelitian ini telah dievaluasi data film verifikasi penyinaran pasien radioterapi untuk jenis kanker serviks dan nasofaring. Jumlah pasien untuk jenis kanker serviks berjumlah 45 pasien dan untuk jenis kanker nasofaring 45 pasien. Peneliti tidak melakukan verifikasi secara langsung dan tidak berhubungan dengan pasien, Data diperoleh dari status pasien yang tersedia di Rumah Sakit Cipto Mangunkusumo . Hasil penelitian ini menunjukkan bahwa tingkat keberhasilan verifikasi kasus kanker nasofaring lebih tinggi dibandingkan dengan kasus kanker serviks.

---

My research study is focused on evaluating the verification success rates of cervical cancer and nasopharyngeal cancer survivors. 45 patients underwent radiotherapy procedures to identify specific types of the two mentioned cancers followed by data recording, for a total of 90 patients. The experimenter conducted no direct verification and had no direct contact with the patients since the data samples were obtained from Cipto Mangunkusumo Hospital. Research findings proved that the success rates of nasopharyngeal cancer verification were higher than the cervical cancer verification."