Hasil Pencarian  ::  Simpan CSV :: Kembali

"COVID-19 telah merenggut nyawa banyak manusia. Tercatat per tanggal 29 Juni 2021, sudah terdapat sekitar 3,923,238 pasien yang meninggal dunia akibat penyakit dengan tingkat penularan yang tinggi ini. Dengan semakin banyaknya orang yang terinfeksi COVID-19, persediaan alat untuk mendeteksi penyakit ini pun juga semakin terbatas yang dapat menyebabkan pandemi COVID-19 pun menjadi semakin tidak terkendali. Oleh karena itu, penting untuk mempertimbangkan metode deteksi COVID-19 lainnya yang dapat membantu para staf kesehatan untuk melakukan deteksi pasien positif COVID-19.Metode deteksi COVID-19 lainnya yang bisa dipertimbangkan untuk dikembangkan adalah metode deteksi COVID-19 dengan artificial intelligence. Dengan metode tersebut, data-data seperti data gejala pasien, data citra toraks, serta data interpretasi citra berupa teks dapat dimanfaatkan untuk mengembangkan suatu model prediksi COVID-19. Ketiga tipe data yang berbeda tersebut dapat dikombinasikan sebagai data input untuk membangun suatu model klasifikasi COVID-19. Pengkombinasian data yang berbeda dapat dilakukan dengan cara melakukan konkatenasi pada tiap input layer yang menerima data gejala dan data teks dengan suatu layer dari arsitektur CNN. Beberapa arsitektur CNN yang dapat digunakan pada penelitian ini adalah ResNet, DenseNet, Inception-ResNet, DarkCovidNet, CoroNet, dan COVID-Net. Selain itu, metode Grad-CAM juga dipilih untuk proses deteksi persebaran coronavirus.Hasil pengujian menunjukkan bahwa banyak model yang dihasilkan dari pendekatan kombinasi data gambar, data tabular, dan data teks memiliki nilai sensitivitas, akurasi, serta f1-score yang tinggi. Hal tersebut menunjukkan bahwa pendekatan tersebut secara umum menghasilkan model-model dengan performa yang tinggi juga seimbang. Namun, berdasarkan hasil pengujian pula, diketahui bahwa model yang memiliki performa tertinggi dicapai oleh model dari pendekatan klasifikasi gambar dengan data tabular yang menggunakan arsitektur DenseNet khususnya dengan nilai learning rate = 10-3. Model tersebut tercatat memiliki performa yang tinggi dan seimbang dengan nilai sensitivitasnya mencapai angka 1,00, akurasi mencapai angka 0,94, dan F1-Score mencapai angka 0,94.

---

COVID-19 has taken the lives of many people. As of June 29th 2021, there were approximately 3.923.238 deaths due to this highly contagious disease. With the increasing number of infected people, the COVID-19 detection tool supplies are also getting limited that can lead to an out-of-control situation. Therefore, it is quite necessary to consider alternative methods for COVID-19 detection.

Another COVID-19 detection that can be considered to be developed is a COVID-19 detection method with artificial intelligence. With artificial intelligence, a COVID-19 prediction model can be built by using any available data such as patient symptom dataset, patient thorax images especially chest X-Ray, and thorax interpretations in text form. Those three types of data can be utilized and combined as data input to build a COVID-19 detection system. The combination of those three different types of data can be done with the concatenation of each input layer of tabular and text data with a layer from a CNN architecture. In this study, there are six CNN architectures used and those are ResNet, DenseNet, Inception-ResNet, DarkCovidNet, CoroNet, and COVID-Net. Besides, the Grad-CAM technique is also implemented for coronavirus detection purposes.

The result shows that most of the models from the combined image, tabular, and text datasets offer high sensitivities, accuracies, and scores of F1-Score. It means that the combined image, tabular, and text datasets generally obtained high performance and balanced models. However, according to the test results, the best performance model is achieved by the combined image and tabular datasets approach with DenseNet architecture and the learning rate of \(10^{-3}\). Such a model achieves the best performance model with an accuracy score of 0.94, a sensitivity score of 1.00, and an f1-score of 0.94.

"

"COVID-19 telah merenggut nyawa banyak manusia. Tercatat per tanggal 29 Juni 2021, sudah terdapat sekitar 3,923,238 pasien yang meninggal dunia akibat penyakit dengan tingkat penularan yang tinggi ini. Dengan semakin banyaknya orang yang terinfeksi COVID-19, persediaan alat untuk mendeteksi penyakit ini pun juga semakin terbatas yang dapat menyebabkan pandemi COVID-19 pun menjadi semakin tidak terkendali. Oleh karena itu, penting untuk mempertimbangkan metode deteksi COVID-19 lainnya yang dapat membantu para staf kesehatan untuk melakukan deteksi pasien positif COVID-19.Metode deteksi COVID-19 lainnya yang bisa dipertimbangkan untuk dikembangkan adalah metode deteksi COVID-19 dengan artificial intelligence. Dengan metode tersebut, data-data seperti data gejala pasien, data citra toraks, serta data interpretasi citra berupa teks dapat dimanfaatkan untuk mengembangkan suatu model prediksi COVID- 19. Ketiga tipe data yang berbeda tersebut dapat dikombinasikan sebagai data input untuk membangun suatu model klasifikasi COVID-19. Pengkombinasian data yang berbeda dapat dilakukan dengan cara melakukan konkatenasi pada tiap input layer yang menerima data gejala dan data teks dengan suatu layer dari arsitektur CNN. Beberapa arsitektur CNN yang dapat digunakan pada penelitian ini adalah ResNet, DenseNet, Inception- ResNet, DarkCovidNet, CoroNet, dan COVID-Net. Selain itu, metode Grad-CAM juga dipilih untuk proses deteksi persebaran coronavirus.Hasil pengujian menunjukkan bahwa banyak model yang dihasilkan dari pendekatan kombinasi data gambar, data tabular, dan data teks memiliki nilai sensitivitas, akurasi, serta f1-score yang tinggi. Hal tersebut menunjukkan bahwa pendekatan tersebut secara umum menghasilkan model-model dengan performa yang tinggi juga seimbang. Namun, berdasarkan hasil pengujian pula, diketahui bahwa model yang memiliki performa tertinggi dicapai oleh model dari pendekatan klasifikasi gambar dengan data tabular yang menggunakan arsitektur DenseNet khususnya dengan nilai learning rate = 10−3. Model tersebut tercatat memiliki performa yang tinggi dan seimbang dengan nilai sensitivitasnya mencapai angka 1,00, akurasi mencapai angka 0,94, dan F1-Score mencapai angka 0,94.

---

COVID-19 has taken the lives of many people. As of June 29th 2021, there were approximately 3.923.238 deaths due to this highly contagious disease. With the increasing number of infected people, the COVID-19 detection tool supplies are also getting limited that can lead to an out-of-control situation. Therefore, it is quite necessary to consider alternative methods for COVID-19 detection.

Another COVID-19 detection that can be considered to be developed is a COVID- 19 detection method with artificial intelligence. With artificial intelligence, a COVID-19 prediction model can be built by using any available data such as patient symptom dataset, patient thorax images especially chest X-Ray, and thorax interpretations in text form. Those three types of data can be utilized and combined as data input to build a COVID-19 detection system. The combination of those three different types of data can be done with the concatenation of each input layer of tabular and text data with a layer from a CNN architecture. In this study, there are six CNN architectures used and those are ResNet, DenseNet, Inception-ResNet, DarkCovidNet, CoroNet, and COVID-Net. Besides, the Grad-CAM technique is also implemented for coronavirus detection purposes.

The result shows that most of the models from the combined image, tabular, and text datasets offer high sensitivities, accuracies, and scores of F1-Score. It means that the combined image, tabular, and text datasets generally obtained high performance and balanced models. However, according to the test results, the best performance model is achieved by the combined image and tabular datasets approach with DenseNet architecture and the learning rate of 10−3. Such a model achieves the best performance model with an accuracy score of 0.94, a sensitivity score of 1.00, and an f1-score of 0.94."

"Latar Belakang: Janus Kinase (JAK)-inhibitors telah digunakan untuk terapi beberapa penyakit inflamasi dan autoimun karena kemampuannya untuk mengendalikan respon imun dan cytokine release syndrome. Saat ini penggunaan baru dari Janus Kinase (JAK)-inhibitors diperuntukan untuk terapi coronavirus disease 2019 (Covid-19), namun bukti mengenai kegunaannya masih belum jelas. Penelitian ini dilakukan untuk menganalisa efikasi dari Janus Kinase (JAK)-inhibitors untuk mengurangi mortalitas pasien Covid-19.Tujuan: Mengetahui efek pemberian terapi Janus Kinase (JAK)-inhibitors terhadap mortalitas pasien Covid-19.Metode: Dengan menggunakan kata kunci spesifik, dilakukan pencarian artikel potensial secara komprehensif pada PubMed, Europe PMC, and ClinicalTrials.gov database dengan pembatasan waktu sampai 2 Juni 2021. Semua penelitian tentang Covid-19 dan JAK-inhibitors dimasukan. Analisa statistik dilakukan denganReview Manager 5.4 software.Hasil: 13 penelitian dengan 4339 pasien Covid-19 dimasukan dalam meta-analisis. Data kami menyimpulkan bahwa terapi JAK-inhibitors berhubungan dengan menurunnya mortalitas pasien Covid-19 (RR 0.52; 95%CI: 0.36-0.76, p=0.0006, I2 = 33%, random-effect modelling).Kesimpulan: Penelitian ini menyimpulkan terapi JAK-inhibitors berhubungan dengan menurunnya mortalitas pasien Covid-19. Namun dibutuhkan randomized clinical trials yang lebih banyak untuk mengkonfirmasi hasil penelitian ini.

---

Background: : Janus Kinase (JAK)-inhibitors have been used for treating several inflammatory and autoimmune disease because of its ability to restrains immune systems and cytokine release syndrome. Currently, JAK-inhibitors are repurposed for the treatment of coronavirus disease 2019 (Covid-19), however the evidence regarding their benefit are still unclear. This study sought to analyze the efficacy of JAK-inhibitors in improving the mortality outcomes of Covid-19 patients.

Objective: To determine the effect of JAK-inhibitors as therapy in Covid-19 patients related to mortality.

Methods: Using specific keywords, we comprehensively searched the potential articles on PubMed, Europe PMC, and ClinicalTrials.gov database until June 2nd, 2021. All published studies on Covid-19 and JAK-inhibitors were retrieved. Statistical analysis was conducted using Review Manager 5.4 software.

Results: A total of 13 studies with 4,339 Covid-19 patients were included in the meta-analysis. Our data suggested that JAK-inhibitors was associated with reduction of mortality from Covid-19 (RR 0.52; 95%CI: 0.36 – 0.76, p=0.0006, I2 = 33%, random-effect modelling).

Conclusion: Our study suggests that JAK-inhibitors may offer beneficial effects on Covid-19 mortality. However, more randomized clinical trials warrant to confirm the findings of our study."

"Bantuan Operasional Sekolah (BOS) berperan sangat penting dalam penyelenggaraan pendidikan pada jenjang pendidikan dasar di masa pandemik Covid-19. Kebutuhan di masa pandemik yang belum diakomodir dalam peraturan sebelumnya memaksa Pemerintah untuk melakukan perubahan sehingga BOS dapat digunakan untuk memenuhi kebutuhan sekolah di masa pandemik. Namun perubahan pada komponen pendanaan BOS disingkapi berbeda dikarenakan Undang-Undang Pemerintahan Daerah. Dalam upaya menyusun penelitian ini, jenis penelitian adalah penelitian hukum normatif dengan menggunakan pendekatan perundang-undangan, pendekatan konseptual, pendekatan historis, dan pendekatan perbandingan. Pada akhirnya diketahui bahwa pendanaan BOS dari Kementerian Keuangan ada yang dilakukan secara sentralisasi oleh Kementerian Agama dan desentralisasi melalui Kementerian Pendidikan dan Kebudayaan dengan melibatkan Kementerian Dalam Negeri. Dalam sistem desentralisasi dimana Pemerintah Daerah bukanlah organ dari Kementerian Pendidikan dan Kebudayaan, terjadi permasalahan diantaranya keraguan melaksanakan BOS yang disesuaikan dengan kebutuhan di masa pandemik, sehingga pelaksanaan BOS di masa pandemik Covid-19 di tingkat daerah sempat terkendala. Selain itu perubahan penganggaran akibat perubahan BOS yang disesuaikan dengan kebutuhan di masa pandemik juga mengakibatkan perubahan pada anggaran daerah yang telah ditetapkan di tahun sebelumnya. Agar dapat melaksanakan BOS yang telah disesuaikan dengan kebutuhan di masa pandemik Covid-19 maka pemerintah daerah berinisiatif dengan tindakan diskresi dan melakukan perubahan anggaran pendapatan dan belanja daerah (APBD).

---

School Operational Assistance (BOS) has a very important role in the implementation of education, notably during the Covid-19 pandemic. The needs during the pandemic that had not been accommodated in the previous regulations, forced the Government to amendments so could also be used to meet the needs of schools during the pandemic. However, amendments are interpreted differently due to the Regional Government’s constitution. Therefore, to compile this research, used normative legal research using statutory, conceptual, historical, and comparative approach. BOS funding from the Ministry of Finance was carried out centrally by the Ministry of Religious Affairs and decentralized through the Ministry of Education and Culture with the involvement of the Ministry of Home Affairs. In a decentralized system where the Regional Government is not an organ of the Ministry of Education and Culture, there are issues including doubts about implementing BOS which has been adjusted to the needs during the pandemic, so the implementation of BOS during the Covid-19 pandemic at the regional level was hampered. In addition, changes in budgeting due to changes in BOS also resulted in changes to the regional budgets that have actually been set in the previous year. In order to implement BOS that has been adapted to the needs of Covid-19 pandemic, the regional government has taken the initiative to take discretionary actions and make changes to the regional revenue and expenditure budget (APBD)."

"Provinsi Jambi adalah salah satu provinsi dengan pencatatan kasus terinfeksi Coronavirus Disease 2019 (COVID-19) terendah di Indonesia. Namun, pernyataan tersebut belum valid untuk mengatakan rendahnya kasus ini merupakan hasil dari usaha pemerintah untuk mengedukasi pemberlakuan protokol kesehatan. Hal ini disebabkan test and tracing yang belum mencapai standar dari World Health Organization (WHO). Oleh karena itu peneliti tertarik untuk meneliti mengenai tingkat pengetahuan, sikap, dan perilaku masyarakat terhadap COVID-19. Studi ini merupakan studi observasional dengan desain potong lintang. Penelitian dilakukan dengan menyebarkan kuesioner tervalidasi secara daring kepada Penduduk Provinsi Jambi. Hasil kuesioner direkapitulasi dan dianalisis dengan analisis univariat dan bivariat untuk melihat hubungan antara pengetahuan terhadap sikap dan perilaku terhadap COVID-19 di Provinsi Jambi. Dari 398 responden, didapatkan skor rata-rata untuk pengetahuan adalah 9,98 dari maksimal 12 (SD = 1,54, Range = 0-12), skor rata-rata sikap adalah 6.46 dari maksimal 8 (SD = 1,40, Range = 0-8), dan skor rata-rata perilaku adalah 6,54 dari maksimal 8 (SD = 1,56, Range = 0-8). Secara umum lebih dari separuh responden yang mencatatkan nilai diatas rata-rata untuk masing-masing pengetahuan (70%), sikap (55%), dan perilaku (59%). Terdapat hubungan yang signifikan secara statistik (p<0,05) antara tingkat pengetahuan, sikap, dan perilaku. Dari hasil penelitian ini, menunjukkan bahwa tingkat pengetahuan, sikap, dan perilaku di Provinsi Jambi cukup baik dan saling mendukung satu sama lain. Pemerintah Provinsi Jambi perlu meningkatkan kemampuan test & tracing sembari menggencarkan edukasi terkait COVID-19 hingga tingkat komunitas terkeci.

---

Jambi Province is one of the provinces with the lowest recorded Coronavirus Disease 2019 (COVID-19) cases in Indonesia. However, we cannot say that the low cases are because of the government's efforts to implement the health protocols due to test & tracing rates having not met the World Health Organization standards. Therefore, researchers are interested in researching the level of knowledge, attitudes, and behavior towards COVID-19.

This study uses an observational cross-sectional design. We researched by distributing validated questionnaires online to the residents of Jambi Province. The questionnaire results were analyzed using univariate and bivariate analysis to see the relationship between knowledge and attitudes and behavior towards COVID-19 in Jambi Province. From 398 respondents, the average score for knowledge, attitude, and practice respectively was 9.98 out of a maximum of 12 (SD = 1.54, Range = 0-12), 6.46 out of a maximum of 8 (SD = 1.40, Range = 1.40), and 6.54 out of a maximum of 8 (SD = 1.56, Range = 0-8).

In general, more than half of the respondents scored above the average for each knowledge (70%), attitude (55%), and behavior (59%). There is a statistically significant relationship (p<0.05) between the level of knowledge, attitudes, and behavior. The results of this study show that the level of knowledge, attitudes, and behavior in Jambi Province is good and supports each other. The Jambi Provincial Government needs to improve test & tracing capabilities while intensifying education related to COVID-19 to the smallest community level."

"Coronavirus yaitu kelompok virus yang menginfeksi sistem pernapasan yang dapat menyebabkan infeksi pernapasan ringan maupun berat. Salah satu virus yang termasuk ke dalam coronavirus adalah SARS-CoV-2. Penyakit yang disebabkan oleh virus SARS-CoV-2 disebut COVID-19. COVID-19 pertama kali terdeteksi pada tahun 2019 di Wuhan, China. Penyebaran COVID-19 sangat cepat dengan tingkat kematian yang tinggi terus terjadi di berbagai negara sehingga penyakit ini berstatus pandemi. Skripsi ini menyelesaikan masalah klasifikasi virus SARS-CoV-2 dengan menggunakan data sekuens protein coronavirus. Seleksi fitur pada data sekuens protein coronavirus menggunakan metode seleksi fitur Random Forest-Recurisive Feature Elimination (RF-RFE). Setelah dilakukan seleksi fitur, dilakukan klasifikasi menggunakan pendekatan machine learning dengan metode Support Vector Machine (SVM) dan Particle Swarm Optimization-Support Vector Machine (PSO-SVM). Hasil terbaik performa rata-rata akurasi, spesifisitas, dan sensitivitas untuk metode SVM berturut-turut adalah 93,43%, 98,06%, dan 88,84% pada data pelatihan sebesar 80%. Untuk metode PSO-SVM, hasil terbaik rata-rata akurasi dan spesifisitas adalah 98,48% dan 98,57% pada data pelatihan sebesar 80%, sedangkan hasil terbaik rata-rata sensitivitas adalah 98,96% pada data pelatihan sebesar 90%. Oleh karena itu, pada penelitian ini dapat disimpulkan bahwa metode PSO-SVM menghasilkan performa yang lebih baik dibandingkan dengan metode SVM.

---

Coronaviruses are a group of viruses that infect the respiratory system that can cause mild or severe respiratory infections. One of the viruses that belongs to the coronavirus is SARS-CoV-2. The disease caused by the SARS-CoV-2 virus is called COVID-19. COVID-19 was first detected in 2019 in Wuhan, China. The spread of COVID-19 is very fast with a high mortality rate that continues to occur in various countries so that this disease has a pandemic status. This thesis solves the problem of classifying the SARS-CoV-2 virus using coronavirus protein sequence data. Feature selection on coronavirus protein sequence data used the Random Forest-Recursive Feature Elimination (RF-RFE) feature selection method. After feature selection, classification is carried out using a machine learning approach with the Support Vector Machine (SVM) and Particle Swarm Optimization-Support Vector Machine (PSO-SVM) methods. The best results of the average performance of accuracy, specificity, and sensitivity for the SVM method are 93.43%, 98.06%, and 88.84%, respectively, for training data of 80%. For the PSO-SVM method, the best results on average accuracy and specificity are 98.48% and 98.57% on training data of 80%, while the best results on average sensitivity are 98.96% on training data of 90%. Therefore, in this study it can be concluded that the PSO-SVM method produces better performance than the SVM method."

"Latar Belakang : Coronavirus disease 2019 (COVID-19) menjadi pandemi pada Maret 2020. Luaran penyakit ini sangat bervariasi, hingga mengakibatkan kematian. Mortalitas COVID-19 dipengaruhi oleh banyak faktor. Pemeriksaan radiografi merupakan salah satu pemeriksaan penunjang yang dapat dilakukan pada COVID-19 untuk skrining, diagnosis, menentukan derajat keparahan penyakit dan memantau respons pengobatan. Foto toraks merupakan modalitas yang banyak tersedia di berbagai fasilitas layanan kesehatan, murah, mudah, dan dapat dilakukan di tempat tidur pasien. Skor Brixia merupakan salah satu sistem penilaian derajat keparahan foto toraks yang mudah dan cepat. Metode : Desain penelitian ini adalah kohort retrospektif menggunakan data rekam medik awat inap RSUP Persahabatan yang dipilih secara acak sistematis. Subjek penelitian adalah pasien COVID-19 yang dirawat pada Maret hingga Agustus 2020. Subjek penelitian dipilih sesuai kriteria inklusi dan eksklusi. Hasil : Pada penelitian ini didapatkan total 313 subjek dengan pasien yang memiliki luaran meninggal sebanyak 65 subjek dan yang hidup sebanyak 248 subjek. Nilai tengah skor Brixia 8 dengan nilai paling rendah 0 dan paling tinggi 18. Jenis kelamin terbanyak adalah laki-laki sebanyak 185 subjek (59,1%). Sebanyak 79 subjek (25,2%) merupakan pasien berusia lanjut (> 60 tahun). Status gizi subjek terdiri atas gizi cukup (53,7%), gizi lebih (42,5%), dan gizi kurang (3,8%). Pasien yang memiliki komorbid sebanyak 143 subjek (45,7%) dengan jenis komorbid terbanyak adalah hipertensi dan diabetes melitus. Pada titik potong 7,5, skor Brixia memiliki nilai sensitivitas 61,5% dan spesifisitas 50%. Terdapat hubungan bermakna skor Brixia dengan status gizi (p < 0,001) dan ada tidaknya komorbid (p 0,002). Tidak terdapat hubungan bermakna antara usia (p 0,420), jumlah komorbid (p 0,223) dan mortalitas (p 0,121) dengan skor Brixia. Skor Brixia 16-18 memiliki risiko mortalitas 3,29 kali lebih besar daripada skor Brixia 0-6.

---

Background : Coronavirus disease 2019 (COVID-19) became a pandemic in March 2020. The outcome of this disease varies widely, including death. There are many risk fators for mortality in COVID-19. Imaging is one of the supporting examinations that can be performed on COVID-19 for screening, diagnosis, determining the severity of the disease and monitoring response to treatment. Chest X-ray is a modality that is widely available in various health care facilities, is cheap, easy, and can be done bedside patient. The Brixia score is an easy and fast chest radiograph severity rating system.

Methods : The design of this study was a retrospective cohort using medical records of inpatients at Persahabatan General Hospital which were selected systematically random sampling. The research subjects were COVID-19 patients who hospitalized from March to August 2020. The study subjects were selected according to the inclusion and exclusion criteria.

Results : In this study, a total of 313 subjects were obtained with 65 died and 249 survived. The median of Brixia score was 8 with the lowest score 0 and the highest score 18. The male population was 185 subjects (59.1%). Total of 79 subjects (25.2%) were elderly patients (> 60 years). The subjects are grouped into three categories nutritional status based on body mass index. There were normal (53.7%), overweight (42.5%), and malnutrition (3.8%). Patients who had comorbidities were 143 subjects (45.7%). The most frequent comorbidities were hypertension and diabetes mellitus. At the cut point of 7.5, the Brixia score has a sensitivity value 61.5% and a specificity 50%. There is a significant relationship between the Brixia score and nutritional status (p < 0.001) and the presence or absence of comorbidities (p 0.002). There was no significant relationship between age (p 0.420), number of comorbidities (p 0.223) and mortality (p 0.121) with the Brixia score. Brixia score of 16-18 has a mortality risk 3.29 times higher than Brixia score of 0-6."

"Pandemi telah mengubah praktik spasial masyarakat secara substansial. Pembatasan sosial berskala besar, lockdown, dan kewajiban memakai masker telah mengubah cara manusia membangun relasi intim maupun relasi kewargaan dan demokrasi. Artikel ini membahas tentang bagaimana pandemi mengubah ruang kewargaan (civic space) perempuan aktivis dan bagaimana mereka mempertahankan dan menciptakan ruang kewargaan ditengah pandemi dan regresi demokrasi. Sumber data artikel adalah survei elektronik 20 perempuan aktivis dan wawancara mendalam melalui medium daring. Hasil penelitian menunjukkan bahwa organisasi masyarakat sipil (civil society organization) di Indonesia mengalami tekanan yang semakin berat. Bagi organisasi masyarakat sipil, ruang gerak mereka dibatasi oleh berbagai peraturan hukum dan pelbagai kekerasan dan stigma yang ditujukan kepada aktivis civil society. Lebih dari itu, bagi perempuan aktivis, pandemi juga memberikan beban tambahan domestik yang membuat ruang gerak perempuan aktivis semakin terbatas. Ditengah hambatan-hambatan tersebut, penelitian kami menunjukkan bahwa perempuan aktivis dan civil society tidak mengurangi intensitas mereka dalam mempertahankan ruang kewargaan."

"Dalam pelaksanaan vaksinasi Covid-19 di wilayah hukum Polres Blora, secara faktual telah tercapai sesuai target dan timeline yang telah dirumuskan oleh satgas vaksinasi Kabupaten Blora. Penelitian ini bertujuan untuk: 1) Mendeskripsikan dan menganalisis secara objektif kondisi pandemi Covid-19 yang terjadi di wilayah hukum Polres Blora; 2) Mendeskripsikan dan menganalisis hambatan pelaksanaan vaksinasi Covid-19 di Wilayah Hukum Polres Blora; 3) Mendeskripsikan dan menganalisis peran Polri untuk mendorong partisipasi masyarakat dalam pelaksanaan vaksinasi Covid-19 di wilayah hukum Polres Blora.Penelitian ini menggunakan pendekatan kualitatif. Peneliti memilih pendekatan kualitatif karena pendekatan ini dapat menggambarkan secara komprehensif peran polri dalam meningkatkan partisipasi masyarakat dalam pelaksanaan vaksinasi Covid-19. Hasil penelitian ini menjelaskan bahwa peran Polri untuk mendorong partisipasi masyarakat dalam pelaksanaan vaksinasi Covid- 19 di wilayah hukum Polres Blora diantaranya; Pertama, memfasilitasi masyarakat untuk terlibat langsung dalam proses perencanaan pelaksanaan vaksinasi di berbagai level, dengan memberikan ruang sebesar-besarnya bagi masyarakat dalam memberikan masukan dan gagasan terkait pelaksanaan vaksinasi. Kedua, pada tahap pelaksanaan vaksinasi perwakilan masyarakat dilibatkan ikut serta menjadi panitia vaksinasi di lokasi yang telah disepakati berdasarkan hasil musyawarah. Masyarakat juga secara sukarela ikut membantu mensosialisasikan informasi pelaksanaan vaksinasi bahkan hingga memberikan bantuan konsumsi secara sukarela saat pelaksanaan vaksinasi yang diinisiasi oleh Polri. Ketiga, Polri melakukan terobosan program inovatif dengan “menyambangi” door to door masyarakat dan mengupayakan kemudahan akses vaksin melalui mobil gerai vaksin.

---

The research discusses about the roles of Blora Police Resort in handling the pandemic of Covid-19 in Blora Regency. More specifically, the research aims to (1) describe and analyse objectively the condition of Covid-19 pandemic that occurs in the jurisdiction of Blora Police Resort; (2) describe the role of Indonesian National Police in increasing the public participation to make the Covid-19 vaccination successful in the jurisdiction of Blora Police Resort; and (3) describe and analyse the obstacles in the implementation of Covid-19 vaccination in the jurisdiction of Blora Police Resort. The research employs the qualitative approach. The researcher chooses the qualitative approach because it can comprehensively describe the police strategy in increasing the community participation in Covid-19 vaccination programs. The results of the research reveal that the roles of the National Police to encourage the community participation in the implementation of the Covid-19 vaccination programs in the jurisdiction of Blora Police Resort are: first, facilitating the community to be directly involved in the planning process for the implementation of vaccination at various levels by providing as much space as possible for the community to provide inputs and ideas regarding the implementation of vaccination; second, involving community representatives as part of the vaccination succession committees at certain locations, especially in voluntarily helping disseminate information on the implementation of vaccinations as well as providing consumption assistance during the implementation of vaccinations initiated by the police; and third, creating innovative programs by visiting the communities door to door and seeking easy access to vaccines through vaccine booth cars."

"Coronavirus Disease 2019 (COVID-19) merupakan sebuah penyakit yang disebabkan oleh novel coronavirus SARS-CoV-2. Penyakit yang berasal dari Provinsi Hubei di China ini sudah menyebar ke seluruh dunia, menjangkiti banyak hingga seluruh negara di dunia. Sudah menginfeksi kurang lebih 400 juta jiwa di seluruh dunia pada pertengahan kuartal pertama tahun 2022. Mencegah penyebaran COVID-19 merupakan tindakan yang harus segera dilakukan, salah satu caranya adalah dengan pendeteksian sedini mungkin.Pendeteksian COVID-19 selain menggunakan metode kedokteran, dapat dipertimbangkan mengenai penggunaan artificial intelligence. Penelitian mengenai metode pendeteksian COVID-19 menggunakan citra X-Ray yang telah dilakukan oleh Dhita menuai hasil yang cukup sukses. Menambahkan penelitian tersebut, kami melakukan metode pendeteksian menggunakan citra CT Scan. Beberapa penelitian mengenai pendeteksian COVID-19 menggunakan citra CT Scan seperti Tang et al. meneliti mengenai segmentasi citra CT Scan terhadap daerah local lesi terindikasi COVID-19 atau Pneumonia. Rahimzadeh, Attar, and S. M. Sakhaei juga melakukan penelitian sebelumnya mengenai pengklasifikasian pasien COVID-19 menggunakan citra CT Scan dengan mendapatkan hasil 90% akurasi dengan menggunakan metode FPN.

---

Coronavirus Disease 2019 (COVID-19) is a disease caused by the novel coronavirus SARS-CoV-2. This disease which originates from the Hubei Province in China has already spread throughout the world, reaching many if not all countries in the world. There have been more than 400 million people infected across the globe as of the first quarter of 2022. Prevention of the spreading of the disease is very important, and one of the best ways to do so is to detect its infection as soon as possible.

Aside from asking a doctor, the task of detecting COVID-19 using artificial intelligence has been considered. The research done by Dhita to detect COVID-19 using X-ray images has been seen as a success. Adding to that, we attempt to detect COVID-19 using CT Scan images.

A couple research papers about detecting COVID-19 using CT Scan images such as the ones done by Tang et al. tried to segment CT Scan images related to the lesions that indicate COVID-19 or Pneumonia. Rahimzadeh, Attar, and S. M. Sakhaei also conducted research related to classifying COVID-19 patients using CT Scan images and found success at 90% accuracy with an FPN model."