Hasil Pencarian  ::  Simpan CSV :: Kembali

"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)."

"Distribusi dosis yang optimal dalam treatment planning system (TPS) sangat penting sebelum diterapkan pada pasien radioterapi. Namun, TPS masih menggunakan metode optimisasi yang memakan waktu dan bergantung pada pengguna. Tujuan dari penelitian ini adalah untuk mengevaluasi model estimasi dosis otomatis, support vector regression (SVR), dan membandingkannya dengan dosis pasien kanker paru hasil perencanaan klinik. Enam puluh pasien yang terapi dengan teknik intensity modulated radiation therapy (IMRT) digunakan dalam penelitian ini. Distribusi dosis target dievaluasi berdasarkan nilai conformity index (CI), homogenitas dosis dievaluasi dengan homogeneity index (HI), sedangkan dosis rata-rata dan dosis maximum digunakan untuk mengevaluasi organ at risk (paru kanan, paru kiri, jantung, dan spinal cord). Analisis statistik dilakukan dengan menggunakan uji Wilcoxon. Nilai p < 0,05 menunjukkan adanya perbedaan signifikan antara kedua dataset. Rata-rata CI model SVR dan klinik masing-masing adalah dan Rata-rata HI untuk SVR dan klinik adalah dan . Uji Wilcoxon menunjukkan tidak ada perbedaan signifikan secara statistik antara kedua hasil. Dosis maximum paru kanan menunjukkan perbedaan signifikan secara statistik (p=0,032), sedangkan dosis rata-rata dan dosis maximum OAR lain tidak menunjukkan perbedaan signifikan secara statistik. Berdasarkan hasil penelitian menunjukkan bahwa tidak ada perbedaan yang signifikan antara kedua strategi tersebut, kecuali pada dosis maximum paru kanan. Model tersebut dapat diimplementasikan secara klinik untuk menghasilkan distribusi dosis yang dapat digunakan sebagai acuan untuk memastikan rencana idealis yang digunakan

---

Optimal dose distribution in the treatment planning system (TPS) is crucial before being applied to radiotherapy patients. However, TPS still uses optimization methods that are time-consuming and user-dependent. This study aimed to evaluate the automatic dose estimation model, support vector regression (SVR), and compare it with the clinically planned dose of lung cancer patients. Sixty patients treated with intensity-modulated radiation therapy (IMRT) were used as the objects in this study. The target dose distribution was evaluated based on the conformity index (CI), and dose homogeneity was evaluated with the homogeneity index (HI), while the mean and maximum doses were used to evaluate organs at risk (right lung, left lung, heart, and spinal cord). Statistical analysis was performed using the Wilcoxon test. A p-value of <0,05 indicates a significant difference between the two datasets. The mean CI of the SVR and clinical are and The mean HI for SVR and clinical was adalah and 0,083±0,030. the Wilcoxon test showed no statistically significant difference between the two results. The maximum right lung dose showed a statistically significant difference (p=0,032), while the mean dose and maximum dose of other OARs did not show a statistically significant difference. The results of the study showed no significant difference between the two strategies, except for the maximum right lung dose. The model can be implemented clinically to produce a dose distribution that can be used as a reference to ensure the idealistic plan."

"ABSTRAKRSUPN. Dr. CiptoMangunkusumo Jakarta adalahrumahsakitpemerintah yangmenjadipusatrujukannasionalGedung A merupakansalahsatu unit kerja yang adadiRSUPN. Dr. CiptoMangunkusumo Jakarta, melayanipasienrawatinap.Dalammelaksanakanpelayanankesehatan, obatmenyerapdanalebihkurangsekitar 36milyardalamkurunwaktuhanya 6 bulanyaitubulanJulisampaiDesember2010Pengelolaan perbekalanfarmasimemegangperanan yangpentingdalampelayanandirumahsakitGedung A RSUPN. Dr. CiptoMangunkusumoJakarta sudahmelaksanakansistemdistribusiobatrawatinapdenganunit dose dispensingsystemsejaktahun 2008. Tujuanpenelitianiniuntukmemperolehgambaranpenerapanunitdose dispensing systemdigedungA.Metodepenelitian yangdilakukansecaradeskriptifkualitatifdengan data primer, data sekunder,pengamatandanwawancaramendalamHasilpenelitianmenunjukkanbahwapengelolaanperbekalanfarmasisecarakeseluruhan ,khususnyadalampenerapanunit dose dispensingsystemdapatmenghematbiayaobatrawatinapdandisarankan agar unit dose dispensingsystemdapatditeruskansebagaikebijaksanaanmanajemen RSUPN. Dr.CiptoMangunkusumo Jakarta di unit kerja yang lain. Disarankanjuga agardilakukanpenelitianlanjutanuntukmengetahuidarisisimanajemenrumahsakit

---

ABSTRACTBuilding A is one unit that is in RSUPN. Dr. CiptoMangunkusumo Jakarta, servinginpatients. In implementing health services, drug absorbs funds from approximately36 billion within a period of only six months from July to December2010Management of pharmaceuticals play an important role in service at thehospitalBuilding A RSUPN. Dr. CiptoMangunkusumo Jakarta has implementedinpatient drug distribution system with a unit dose dispensing system since 2008.Thepurpose of this study to obtain a picture of the implementation of unit dose dispensingsystem in building A.Research methods to be descriptive qualitative primary data,secondary data, observation and in-depth interviewsThe results showed that theoverall management of pharmaceuticals, particularly in the implementation of unitdose dispensing system can save the cost of inpatient drug and recommended that theunit dose dispensing system can be forwarded as RSUPN management policy. Dr.CiptoMangunkusumo Jakarta in other work units. Also recommended that furtherresearch to find out from the side of the hospital management"

"Fase kuning lampu lalu lintas menimbulkan zona dilema yang mempengaruhi reaksi pengemudi dalam menentukan sikap untuk berhenti atau meneruskan perjalanan. Kendaraan yang berada dalam zona dilema dapat terlibat melakukan pelanggaran lampu lalu lintas karena terlambat merespon fase kuning lampu lalu lintas. Penelitian ini mengembangkan algoritma IBR dalam sistem pelacakan nirkabel diskrit (DWT system) untuk pemantau pergerakan kendaraan di persimpangan yang dilengkapi lampu lalu-lintas. Algoritma IBR dipergunakan untuk memprediksi pelanggaran lampu lalu-lintas. Prediksi dilakukan berdasar waktu pindai oleh tiga sensor pencacah kendaraan untuk mendapatkan besaran parameter kecepatan, percepatan. Parameter kecepatan dan percepatan dipergunakan untuk mendapatkan batas-batas zona dilema. Hasil simulasi menunjukkan bahwa algoritma IBR dapat meningkatkan keberhasilan prediksi pelanggaran lampu lalu lintas pada sisa nyala lampu kuning antara 1 sampai 4 detik. Diperoleh peningkatan ketepatan prediksi pelanggaran lampu lalu lintas mencapai 6,87% lebih tinggi dibanding dengan hasil penelitian sejenis yang dilakukan oleh peneliti terdahulu.

---

Yellow phase of traffic lights cause a dilemma zone that affects the driver reaction to determine attitude to stop or to go on. The vehicles that are in a dilemma zone able to engage red light running since late response to the yellow phase of traffic light. This research develop a IBR algorithms on the discrete wireless tracking system (the DWT system) to monitor the movement of vehicles at intersections.

The IBR algorithm is used to predict the red light runnings. Predictions made based on detection time of the three vehicle counter sensors to obstain the magnitudes of speed and acceleration parameters. Velocity and acceleration parameters used to obtain the dilemma zone boundaries.

Simulation results show that the IBR algorithm improves the success of violation prediction during the period of the yellow light between 1 to 4 seconds. The experiments also exhibits that the accuracy of the red light running prediction increases up to 6.87% is higher than previous research works that have been studied during this work."

"AIS sebagai alat yang diwajibkan digunakan kapal menurut SOLAS sebagai pencegah tabrakan antar kapal memiliki potensi yang lebih besar dalam penerapan ruang lingkup data analytics. Data posisi kapal dapat membantu menggambarkan perilaku kapal di lautan. Aplikasi data AIS bisa membantu mengoptimalkan operasional kapal. Penelitian ini akan menjelaskan tentang sebuah metode penerapan data AIS untuk menghasilkan prediksi waktu tunggu kapal. Algoritma Extreme Gradient Boosting (Xgboost) akan digunakan sebagai pendekatan melakukan prediksi dari data historis. Dengan xgboost, prediksi yang dihasilkan mendapatkan nilai RMSE sebesar 268.47 dan R2 sekitar 0.3 setelah dioptimalkan dengan hyperparameter tuning. Hasil prediksi ini dapat digunakan sebagai pertimbangan penerapan green steaming ataupun bahan evaluasi pelabuhan untuk mengembangkan pelayanannya.

---

AIS as a tool, according to SOLAS, used as a prevention of collisions between ships has more significant potential in the application of the scope of data analytics. Ship position data can help describe ship behavior at sea. AIS data applications can help optimize ship operations. This research will describe a method of applying AIS data to generate predictions of ship waiting times. The Extreme Gradient Boosting (Xgboost) algorithm will be used to make predictions from historical data. With xgboost, the resulting prediction gets an RMSE value of 268.47 and an R2 of about 0.3 after being optimized with hyperparameter tuning. The results of this prediction can be used as consideration for implementing green steaming or evaluating port evaluation materials to develop their services."

"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."

""Telah dibuat perangkat dose calibrator untukmengukur aktivitas radioisotop I-131 atau Tc-99m yang akan diberikan ke pasien padapemeriksaan renograf. Alat ini dibuat dengan dimensi yang kompak dan praktis untuk digunakan di rumahsakit atau klinik yang mengoperasikan perangkat renograf. Alat ini terdiri dari subsistem deteksi radiasi, subsistem elektronik pengolah sinyal, subsistem pengolah data antar muka serta subsistem penampil hasil pengukuran. Diperoleh hasil pengujian melalui Uji kestabilan chitest 18,87 pada tingkat kepercayaan 95% dengan 20 data pengukuran, dan dengan rentang chitest yang diijinkan adalah10,117 < Chitest <30,144. Jika dibandingkan dengan alat standar, penyimpangan rata-rata hasil pengujian prototip yang dibuat sebesar 0,99% untuk tombol isotop I-131 dan 0,60% untuk tombol isotop Tc-99m. Hasil tersebut menunjukkan bahwa kinerja alat telah sesuai Tec-Doc IAEA 602 tahun 1991 tentang uji kualitas peralatan kedokteran nuklir.""

""Telah dibuat perangkat dose calibrator untukmengukur aktivitas radioisotop I-131 atau Tc-99m yang akan diberikan ke pasien padapemeriksaan renograf. Alat ini dibuat dengan dimensi yang kompak dan praktis untuk digunakan di rumahsakit atau klinik yang mengoperasikan perangkat renograf. Alat ini terdiri dari subsistem deteksi radiasi, subsistem elektronik pengolah sinyal, subsistem pengolah data antar muka serta subsistem penampil hasil pengukuran. Diperoleh hasil pengujian melalui Uji kestabilan chitest 18,87 pada tingkat kepercayaan 95% dengan 20 data pengukuran, dan dengan rentang chitest yang diijinkan adalah10,117 < Chitest <30,144. Jika dibandingkan dengan alat standar, penyimpangan rata-rata hasil pengujian prototip yang dibuat sebesar 0,99% untuk tombol isotop I-131 dan 0,60% untuk tombol isotop Tc-99m. Hasil tersebut menunjukkan bahwa kinerja alat telah sesuai Tec-Doc IAEA 602 tahun 1991 tentang uji kualitas peralatan kedokteran nuklir.""

"Pasien dengan gangguan fungsi ginjal rentan mengalami akumulasi obat dalam tubuh yang dapat berisiko toksik sehingga diperlukan penyesuaian dosis obat. Akan tetapi, masih banyak kasus obat yang tidak disesuaikan dosisnya pada pasien PGK di Indonesia. Penelitian ini bertujuan untuk mengevaluasi pengetahuan, sikap, dan praktik apoteker Indonesia terhadap penyesuaian dosis obat pada pasien dengan gangguan fungsi ginjal. Desain observasional-cross sectional dipilih dalam penelitian ini dengan metode pengambilan data melalui survei daring. Kriteria sampel yang digunakan dalam penelitian ini adalah apoteker rumah sakit yang masih aktif bertugas di bagian pelayanan pasien pada periode Januari 2023-Juni 2024. Data yang diperoleh dianalisis secara univariat dan bivariat. Penelitian ini diikuti oleh sebanyak 139 apoteker rumah sakit dari seluruh Indonesia sebagai responden, yang mayoritas berasal dari Pulau Jawa (71,9%). Frekuensi melayani pasien gangguan ginjal merupakan faktor yang mempengaruhi ketiga aspek pengetahuan, sikap, dan praktik. Dapat disimpulkan bahwa apoteker Indonesia telah memiliki pengetahuan, sikap, dan praktik yang baik terkait penyesuaian dosis pada gangguan ginjal dengan jumlah sebanyak 96,4%, 98,6%, 65,1% secara berturut-turut. Perlu ditingkatkan lagi pengetahuan terkait cara menghitung eGFR, obat yang memerlukan penyesuaian dosis, cara memperoleh rekomendasi dosis dari literatur, dan penyesuaian dosis pada pasien dialisis. Praktik yang perlu ditingkatkan adalah pemberian rekomendasi alternatif obat, edukasi obat kepada tenaga kesehatan lain, serta pemantauan terapi disertai pemeriksaan fungsi ginjal pasien. Kendala terbesar yang dihadapi apoteker adalah keterbatasan waktu akibat beban kerja yang tinggi. Responden mengharapkan adanya program praktik apoteker tingkat lanjut serta sistem digital yang dapat mendeteksi kesalahan peresepan.

---

Patients with renal function impairment are at risk for drug accumulation, which can be toxic, necessitating dose adjustment. However, in Indonesia, many cases still lack appropriate dose adjustment for chronic kidney disease (CKD) patients. This study aimed to evaluate the knowledge, attitude, and practice of Indonesian pharmacists regarding dose adjustment in patients with renal impairment. An observational cross-sectional design was used, with data collected through an online survey. The sample consisted of hospital pharmacists actively serving in patient care from January 2023 to June 2024. Data were analyzed using univariate and bivariate tests. A total of 139 hospital pharmacists from across Indonesia participated, with the majority from Java (71.9%). Frequency of serving patients with renal impairment influenced all three aspects of knowledge, attitude, and practice. Results showed that pharmacists had good knowledge, attitude, and practice with percentages of 96.4%, 98.6%, and 65.1%, respectively. Knowledge need to be improved regarding how to calculate eGFR, drugs that require dose adjustment, how to obtain dose recommendations from the literature, and dose adjustment for dialysis patients. Practice that required improvement included providing alternative drug recommendations, educating other healthcare professionals, and monitoring therapy with renal function evaluation. The main barrier identified was limited time due to a high workload. Respondents expect advanced pharmacist practice programs and a digital system capable of detecting prescription errors."