Hasil Pencarian  ::  Simpan CSV :: Kembali

"Proses pemeriksaan mamografi menggunakan sinar-X dapat memicu risiko terjadinya karsinogenesis apabila tidak diperhatikan dengan baik. Sehubungan dengan hal tersebut, perlu dilakukan perhitungan dosis yang diterima payudara. Hal ini bertujuan untuk memberikan estimasi risiko dosis terhadap potensi terbentuknya kanker akibat pemeriksaan mamografi. Perhitungan estimasi risiko dosis dapat diukur melalui Mean Glandular Dose (MGD). MGD tidak dapat diukur secara langsung, melainkan perlu adanya informasi persentase glandularity untuk mengetahui faktor konversi glandularity sehingga didapatkan nilai MGD. Agar mempermudah proses untuk mengetahui faktor konversi glandularity, maka dilakukan pengujian metode segmentasi citra mamografi menggunakan beberapa algoritma tertentu, termasuk algoritma berbasis Artificial Intelligence (AI) sehingga diperoleh metode terbaik untuk menentukan nilai persentase glandularity. Hasil uji metode terbaik pada penelitian ini yaitu metode segmentasi citra menggunakan implementasi algoritma Modified Fuzzy C-Means (MFCM) dengan menghilangkan bagian latar belakang menggunakan algoritma U2 Net pada citra 16 bit. Berdasarkan hasil uji, diketahui bahwa metode ini memiliki kriteria akurasi yang tinggi (80%) untuk dapat memprediksi 25 citra sampel yang diujikan

---

The process of mammography examination using X-rays can trigger the risk of carcinogenesis if it is not properly delivered to. In connection with this, it is necessary to calculate the dose for the breast. This aims to provide an estimate of the risk of dose to the potentially induced cancer due to mammography examination. Calculation of estimated dose risk can be measured through the Mean Glandular Dose (MGD). In general, MGD cannot be measured directly, but information on the percentage of glandularity is needed to determine the glandularity conversion factor so that the MGD value can be obtained. To simplify the process of determining the glandularity conversion factor, several mammographic image segmentation methods were tested using certain algorithms, including those based on Artificial Intelligence (AI) to obtain the best method for determining the percentage value of glandularity. The best method test results in this study are the image segmentation method using the implementation of the Modified Fuzzy C-Means (MFCM) algorithm by removing the background using the U2 Net algorithm on 16-bit images. Based on the test results, it is known that this method has a high accuracy criterion (80%) to be able to predict the 25 sample images tested"

"Kanker rongga mulut pada manusia menempati peringkat ke-6 keganasan yang sering terjadi di seluruh dunia. Diperkirakan lebih dari 90% dari semua kanker mulut adalah karsinoma sel skuamosa (KSS) yang berasal dari epitel oral. Induksi 4 NQO pada tikus sering digunakan sebagai model karsinogenesis oral. Karsinogen ini menghasilkan semua tahap karsinogenesis oral dan telah terbukti mampu menghasilkan perubahan histologis dan molekuler yang sama seperti pada manusia. Clitoria ternatea (CT) merupakan tanaman kaya antosianin dan banyak digunakan dalam pengobatan tradisional. Tujuan dari penelitian ini adalah untuk mengevaluasi efek kemopreventif Clitoria ternatea, melalui hambatan proliferasi dan induksi apoptosis terhadap KSS lidah pada tikus yang diinduksi dengan 4NQO. Ekstrak etanol CT diberikan pada berbagai tingkatan dosis, yaitu 200, 400, 800 dan 1600mg/kg berat badan. Penilaian hambatan proliferasi dan induksi apoptosis dilakukan berdasarkan ekspresi protein Ki-67, Caspase 3, dan p53 pada pewarnaan imunohistokimia. Hasil penelitian menunjukkan bahwa ekstrak CT secara signifikan tidak mampu menghambat proliferasi dan menginduksi apoptosis KSS lidah tikus yang diinduksi dengan 4NQO, kemungkinan disebabkan karena dosis yang belum mencukupi serta perbedaan pelarut dan sumber ekstrak yang digunakan. Imunoekspresi p53 tidak ditemukan baik pada kelompok kontrol kanker maupun pada kelompok perlakuan, diduga mutasi yang terjadi pada karsinogenesis lidah tikus yang diinduksi 4NQO tidak melalui jalur p53. 

---

Human oral cancer is the sixth largest group of malignancies worldwide. It is estimated that more than 90% of all oral cancers are squamous cell carcinoma (KSS) originating from the oral epithelium. Induction of 4 NQO in rats is often used as an animal model of oral carcinogenesis. This carcinogen produces all stages of oral carcinogenesis and several lines of evidences suggest that similar histological as well as molecular changes are observed in the human system. Clitoria ternatea (CT) is a plant rich in anthocyanin and is widely used in traditional medicine. The aim of this study was to evaluate the chemopreventive effect of Clitoria ternatea, through the inhibition of apoptotic proliferation and induction of tongue KSS in rats induced by 4NQO. Ethanol extract of Clitoria ternatea was administered at doses of 200, 400, 800 and 1600/kg body weight. Assessment of the inhibition of proliferation and induction of apoptosis was carried out based on the expression of Ki-67, Caspase 3, and p53 proteins in immunohistochemical staining. The results showed that CT extract was significantly unable to inhibit proliferation and induce apoptosis of rat tongue induced with 4NQO, possibly due to inadequate doses and differences in the solvent and source of the extract used. P53 immunoexpression was not found in either the cancer control group or in the treatment group, it was suspected that a mutation that occurred in the carcinogenesis of rat tongue induced by 4NQO did not pass through the p53 pathway. "

"Our recent understanding of the cellular and molecular defects and the regulation of the apoptotic signalling pathways has resulted in rationally designed anticancer strategies and the development of novel agents that regulates apoptosis. A comprehensive review of all apoptotic-related anticancer therapies is not the purpose of this book. However, in the volume of this book with 11 chapters, we have described a number of novel apoptotic regulators that have shown promising value and also great feasibility for cancer treatment. These novel agents either occur naturally or are chemically synthes. "

"Ancaman siber yang semakin canggih dan sering mengincar organisasi menuntut pendekatan keamanan yang lebih kuat. Salah satu solusi yang terbukti efektif adalah penerapan Zero Trust Architecture (ZTA), yang dapat meningkatkan ketahanan jaringan dengan mencegah penyebaran malware dan lateral movement. Namun, implementasi ZTA sering kali memerlukan sumber daya yang besar dan biaya yang tinggi, sehingga sulit dijangkau oleh organisasi dengan keterbatasan anggaran dan infrastruktur. Penelitian ini menghasilkan dan mempublikasikan AutoZT, sebuah alat otomatisasi yang menggabungkan dua fungsi utama: ZTscan, yang mengintegrasikan Masscan dan Nmap untuk mempercepat serta meningkatkan akurasi resource discovery jaringan; dan modul perancangan ZTA yang menyederhanakan proses microsegmentation jaringan. AutoZT dikembangkan untuk membantu administrator jaringan dalam mengidentifikasi aset dan celah keamanan secara efisien, serta mempermudah perancangan kebijakan Zero Trust yang tepat. Alat ini telah dipublikasikan secara terbuka melalui GitHub agar dapat diakses, dievaluasi, dan dikembangkan lebih lanjut oleh siapa pun. Kinerja AutoZT dievaluasi menggunakan skenario berbasis GNS3 dengan metrik utama meliputi akurasi, kecepatan, validitas, dan ketahanan. Hasil pengujian menunjukkan bahwa ZTscan, sebagai bagian dari AutoZT, mampu menyelesaikan pemindaian 10,64% lebih cepat dibandingkan Nmap TCP SYN dengan akurasi 100% serta mencapai peak throughput yang 13,8% lebih rendah dan lebih stabil, sehingga mengurangi risiko lonjakan trafik yang mengganggu. AutoZT diuji pada dua skenario topologi jaringan dan menghasilkan akurasi sebesar 100% dan 92%, serta validitas konfigurasi sebesar 100% dan 76%, menunjukkan efektivitas yang tinggi terutama pada topologi jaringan yang lebih sederhana. Selain itu, AutoZT berhasil meningkatkan ketahanan jaringan terhadap lateral movement, dengan menurunkan potensi serangan dari 100% menjadi 7% pada skenario pertama, dan dari 92% menjadi 7% pada skenario kedua melalui penerapan konfigurasi VLAN dan ACL pada perangkat yang tersedia. Temuan ini menunjukkan bahwa AutoZT merupakan solusi inovatif, praktis, dan terbuka bagi organisasi dengan sumber daya terbatas untuk memulai penerapan ZTA secara efektif, sekaligus meningkatkan postur keamanan jaringan tanpa beban biaya dan kompleksitas yang tinggi.

---

The growing sophistication and frequency of cyber threats targeting organizations demand a more robust security approach. One proven effective solution is the implementation of Zero Trust Architecture (ZTA), which can improve network resilience by preventing the spread of malware and lateral movement. However, implementing ZTA often requires large resources and high costs, making it difficult to reach for organizations with limited budgets and infrastructure. This research produces and publishes AutoZT, an automation tool that combines two main functions: ZTscan, which integrates Masscan and Nmap to accelerate and increase the accuracy of network resource discovery; and a ZTA design module that simplifies the network microsegmentation process. AutoZT is developed to help network administrators in efficiently identifying assets and security gaps, as well as facilitating the design of appropriate Zero Trust policies. This tool has been openly published through GitHub so that it can be accessed, evaluated, and further developed by anyone. The performance of AutoZT is evaluated using a GNS3-based scenario with the main metrics including accuracy, speed, validity, and resilience. Test results show that ZTscan, as a part of AutoZT, is able to complete scanning 10.64% faster compared to Nmap TCP SYN with 100% accuracy and achieve peak throughput that is 13.8% lower and more stable, thereby reducing the risk of disruptive traffic spikes. AutoZT was tested on two network topology scenarios and produced accuracy of 100% and 92%, as well as configuration validity of 100% and 76%, showing high effectiveness especially on simpler network topologies. In addition, AutoZT successfully increased network resilience against lateral movement by reducing attack potential from 100% to 7% in the first scenario, and from 92% to 7% in the second scenario through the application of VLAN and ACL configurations on available devices. These findings show that AutoZT is an innovative, practical, and open solution for organizations with limited resources to start implementing ZTA effectively, while also improving network security posture without the burden of high costs and complexity."

"This book is the very first collection in the field of Artificial General Intelligence (AGI) focusing on theoretical, conceptual, and philosophical issues in the creation of thinking machines. All the authors are researchers actively developing AGI projects, thus distinguishing the book from much of the theoretical cognitive science and AI literature, which is generally quite divorced from practical AGI system building issues. And the discussions are presented in a way that makes the problems and proposed solutions understandable. "

"Negara Indonesia merupakan salah satu negara di dunia, khususnya di benua Asia yang menjadikan beras sebagai bahan pangan pokok. Hal tersebut membuat permintaan akan bahan pangan tersebut menjadi tinggi, dan membuat banyak orang menanam padi di berbagai wilayah di Indonesia. Namun hal tersebut tidak membuat semua beras hasil panen dari berbagai wilayah menjadi bernilai sama di pasaran. Sehingga beras-beras yang ada tersebut kemudian dibedakan berdasarkan wilayah tanamnya. Mengidentifikasi jenis beras membutuhkan analisis DNA yang menggunakan PCR yang tentunya menghabiskan banyak waktu. Penelitian ini dibuat dengan tujuan membuat suatu sistem identifikasi serta menganalisis pengaruh wilayah tanam terhadap harga beras yang beredar di pasaran. Memanfaatkan pencitraan hiperspektral serta melakukan pemodelan klasifikasi dalam lima jenis beras yang berasal dari wilayah tanam berbeda yaitu Bandung, Indramayu, Subang, Karawang, dan Palembang. Kemudian dua skema variasi pada pemodelan klasifikasi, yaitu PCA – SVM dan CNN. Membandingkan kedua skema tersebut didapatkan akurasi rata – rata untuk pemodelan klasifikasi PCA-SVM sebesar 86.45% dan 97% untuk pemodelan klasifikasi CNN.

---

Indonesia as one of nations in the world specifically in Asian continent that consumed rice as their main diet. The phenomena led rice as a high demanding food in the country and made many people in the country did paddy harvesting in many regions.   However, this did not make all the rice harvested from various regions had the same value in the market.  Then people differentiated rice from where it harvested. Identifying types of rice requires DNA analysis using PCR which is time consuming. This research was made with the aim of creating an identification system and analyzing the influence of the planting area on the price of rice on the market. Utilizing hyperspectral imaging and classification algorithm in five types of rice originating from different planting areas namely Bandung, Indramayu, Subang, Karawang, and Palembang. Then the two variation schemes in classification modeling, namely PCA - SVM and CNN. Along with comparing the two schemes of classification models, the average accuracy obtained for PCA-SVM classification model is 86.45% and 97% for CNN classification model."

"Debu vulkanik merupakan partikel yang sangat berbahaya bagi aktivitas penerbangan. Objek tersebut dapat diamati secara spasial melalui pengamatan satelit. 8. Namun, satelit ini memiliki kelemahan berupa pergeseran akibat kesalahan sudut baca ketika objek yang diamati jauh dari posisi nadir satelit. Data target output debu vulkanik yang digunakan merupakan hasil interpretasi forecaster berdasarkan pengamatan satelit Terra/Aqua (MODIS) yang memiliki orbit polar sehingga pengamatan dilakukan tepat diatas objek. Algoritma sampel yang dilakukan untuk membuat model adalah dengan variasi sampel berupa data piksel tunggal dan data rata-rata piksel pada citra satelit Himawari Untuk menentukan lokasi debu vulkanik berdasarkan citra satelit, dibutuhkan interpretasi dari forecaster. Pada penelitian ini, dibuat sebuah sistem pemodelan berbasis artificial neural network untuk menghasilkan output sebaran debu vulkanik secara otomatis berdasarkan training data dari citra satelit Himawari 8. Namun, satelit ini memiliki kelemahan berupa pergeseran akibat kesalahan sudut baca ketika objek yang diamati jauh dari posisi nadir satelit. Data target output debu vulkanik yang digunakan merupakan hasil interpretasi forecaster berdasarkan pengamatan satelit Terra Aqua (MODIS) yang memiliki orbit polar sehingga pengamatan dilakukan tepat diatas objek. Algoritma sampel yang dilakukan untuk membuat model adalah dengan variasi sampel berupa data piksel tunggal dan data rata-rata piksel pada citra satelit Himawari Sedangkan variasi data input yang digunakan terdiri dari 3 input, 16 input, dan 4 input kanal satelit. Metode pengujian performa dari model dilakukan dengan melihat citra sebaran debu yang dihasilkan model yang diverifikasi di setiap titik piksel. Berdasarkan hasil penelitian, model dengan menggunakan 3 input kanal satelit dapat mendeteksi sebaran debu vulkanik dengan baik pada data training maupun testing. Untuk koreksi kesalahan paralaks satelit Himawari memiliki dampak yang cukup signifikan terhadap hasil output model. Akurasi dari output model meningkat signifikan setelah dilakukan koreksi spasial akibat kesalahan paralaks yang menghasilkan akurasi model pada saat testing mencapai 95 persen "

"Perkembangan teknologi telah memberikan kemudahan bagi sejumlah pihak, salah satunya dalam membangun hubungan pelanggan. Hubungan pelanggan dapat dibangun serta dipelihara melalui sistem yang terintegrasi antara CRM dan AI. Keduanya memberikan solusi bagi perusahaan maupun institusi lainnya untuk memperoleh data serta memenuhi kebutuhan pelanggan. Oleh sebab itu, tulisan ini ingin melihat efektivitas penggunaan CRM dan AI dalam mengelola pelanggan yang bertujuan untuk mengetahui kebutuhan maupun perilaku para pelanggannya. CRM yang telah terintegrasi oleh AI, memberikan manfaat yang besar dibandingkan CRM tradisional. Atas manfaat yang diperoleh, CRM yang terintegrasi dengan AI sangat membantu perusahaan dalam efisiensi waktu maupun biaya serta efektivitas dalam pemenuhan kebutuhan pelanggan serta penyelesaian permasalahan yang sedang dihadapi. Dengan demikian, penggunaan CRM dan AI secara bersamaan dinilai lebih efektif dibandingkan dengan CRM tradisional.

---

Technological developments have made things easier for several parties, one of which is building customer relationships. Customer relationships can be built and maintained through an integrated system between CRM and AI. Both provide solutions for companies and other institutions to obtain data and meet customer needs. Therefore, this paper wants to see the effectiveness of using CRM and AI in managing customers to know the needs and behaviors of customers. CRM that has been integrated with AI provides great benefits compared to traditional CRM. Due to the benefits obtained, CRM integrated with AI helps companies in terms of time and cost efficiency as well as effectiveness in meeting customer needs and resolving the problems they are facing. Thus, using CRM and AI together is considered more effective than traditional CRM."

"ABSTRAKInhibitor Dipeptidyl Peptidase-4 (DPP-4) menjadi obat yang semakin penting dalam pengobatan diabetes melitus tipe-2, namun beberapa golongan obat ini memiliki efek samping seperti nyeri sendi yang bisa menjadi parah hingga pankreatitis, diperkirakan efek samping ini muncul terkait dengan penghambatannya terhadap enzim DPP-8 dan DPP-9. Untuk mengembangankan inhibitor DPP-4 baru yang memiliki aktivitas penghambatan yang tinggi terhadap DPP-4 dan penghambatan yang rendah terhadap DPP-8 dan DPP-9 maka dilakukan virtual screening pada lebih dari 10 juta molekul, dengan membangun workflow virtual screening menggunakan metode Quantitative Structure-Activity Relationship (QSAR) berbasis artificial intelligence (AI). Lima algoritma machine learning regresi dan empat algoritma machine learning klasifikasi digunakan untuk membangun workflow virtual screening. Algoritma yang memenuhi syarat untuk model QSAR regresi adalah Support Vector regression dengan R2pred 0,78 sedangkan model QSAR klasifikasi adalah Random Forest dengan akurasi 92,21%. Dari hasil virtual screening didapatkan senyawa hit dengan pIC50 diatas 7,5 sebanyak 2.716 senyawa. Hasil penambatan molekul beberapa senyawa hit ke enzim DPP-4, DPP-8 dan DPP-9, didapatkan senyawa hit potensial adalah senyawa CH0002. Senyawa hit ini dapat dikembangkan lebih lanjut sebagai inhibitor DPP-4 dan workflow virtual screening pada penelitian ini dapat diterapkan pada target lainnya.

---

ABSTRACTDipeptidyl peptidase-4 (DPP-4) inhibitors are becoming an important drugs in the treatment of type 2 diabetes mellitus, but some classes of these drugs have side effects such as joint pain that can become severe to pancreatitis, these side effects appear to related with their inhibition against other DPP enzymes. This study aims to find DPP-4 inhibitor hit compounds that are selective against DPP-8 and DPP-9 enzymes. virtual screening is carried out on more than 10 million molecules, by building a virtual screening workflow using Quantitative Structure-Activity Relationship (QSAR) method based on Artificial Intelligence (AI). Five regression algortihms and four classification algorithms machine learning were used to build virtual screening workflows. The algorithm that qualifies for the QSAR regression model was Support Vector regression with R2pred 0,78 while the classification QSAR model was Random Forest with an accuracy of 92,21%. Results of virtual screening obtained hit compounds with pIC50 above 7,5 were 2.716 compounds. Results of molecular docking from several hit compounds to the enzymes DPP-4, DPP-8 and DPP-9, potential hit compound was CH0002. This hit compound can be further developed as a DPP-4 inhibitor and virtual screening workflow in this study can be applied to other targets."

"Meluasnya alih fungsi lahan sawah ke non-sawah menyebabkan susutnya lahan pertanian secara progresif sehingga mempengaruhi ketahanan pangan. Mengacu kepada program Sustainable Development Goals(SDGs) oleh Persatuan Bangsa Bangsa (PBB), terdapat 17 program yang bertujuan untuk mencapai kesejahteraan rakyat. Pemetaan lahan sawah dengan menggunakan penginderaan jauh merupakan salah satu metode yang dapat digunakan untuk mengukur luas lahan sawah secara lebih detail untuk mewujudkan ketahanan pangan di Indonesia. Kecerdasan Buatan (AI) merupakan metode unggul untuk deteksi objek yang dapat digunakan untuk mengurangi dampak alih fungsi lahan yang tidak terkendali. Pada penelitian ini dikembangkan metode klasifikasi luas lahan sawah per persil menggunakan metode kecerdasan buatan pada data citra satelit optik Pleiades Satelit Resolusi Sangat Tinggi (CSRST) yang memiliki resolusi sangat tinggi dengan arsitektur U-net untuk mengklasifikasikan lahan sawah dan non-sawah. Citra yang digunakan diambil pada tanggal 2 Juni 2022. Dataset yang digunakan berjumlah 757 citra images dan 757 citra masking dengan ukuran masing-masing 256×256 piksel dengan ukuran 3 channel (RGB). Beberapa parameter tuning diterapkan pada model ini berupa komposisi data 80:20, Learning Rate 1×10-2, dropout layer 0,5, maxpooling layer dan menggunakan fungsi aktivasi ReLU dan softmax. Model yang dibuat memiliki nilai accuracy 0,6085, serta F1 score 0,2438 (kelas non-sawah) dan 0,7359 (kelas sawah), nilai IoU yang didapatkan sebesar 0,1388 (kelas non-sawah), dan 0,5822 (kelas sawah)  dengan mengambil kawasan persawahan di Kecamatan Manisrenggo, Kabupaten Klaten, Jawa Tengah, diperoleh luasan sawah sebesar 1.393 (Ha). Performa ini lebih rendah dibandingkan metode R2U-net dengan Douglas-Peucker Algorithm (DPA) yang menghasilkan niai accuracy 84,15%. Hal tersebut terjadi karena kelas non sawah berupa bangunan dan jalan tidak dapat dideteksi secara akurat pada model yang telah dibuat.

---

The widespread conversion of rice fields to non-rice fields causes a progressive reduction in agricultural land, thereby affecting food security. Referring to the Sustainable Development Goals (SDGs) program by the United Nations (UN), there are 17 programs that aim to achieve people's welfare. Mapping rice fields using remote sensing is one method that can be used to measure the area of ​​rice fields in more detail to achieve food security in Indonesia. Artificial Intelligence (AI) is a superior method for object detection that can be used to reduce the impact of uncontrolled land conversion. In this research, a method for classifying the area of ​​rice fields per parcel was developed using artificial intelligence methods on Pleiades Very High Resolution Satellite (CSRST) optical satellite image data which has very high resolution with U-net architecture to classify rice fields and non-rice fields. The images used were taken on June 2 2022. The dataset used consisted of 757 images and 757 masking images with a size of 256×256 pixels each with a size of 3 channels (RGB). Several tuning parameters are applied to this model in the form of data composition 80:20, Learning Rate 1×10-2, dropout layer 0.5, maxpooling layer and using ReLU and softmax activation functions. The model created has an accuracy value of 0.6085, and an F1 score of 0.2438 (non-paddy field class) and 0.7359 (rice field class), the IoU values ​​obtained are 0.1388 (non-rice field class) and 0.5822 (rice field class) by taking the rice field area in Manisrenggo District, Klaten Regency, Central Java, we obtained a rice field area of ​​1,393 (Ha). This performance is lower than the R2U-net method with the Douglas-Peucker Algorithm (DPA) which produces an accuracy value of 84.15%. This happens because non-rice field classes in the form of buildings and roads cannot be detected accurately in the model that has been created."