Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini bertujuan untuk mengoptimalkan efektivitas terapi menggunakan radionuklida Lutetium-177 dengan mengukur aktivitas secara akurat di setiap volume anatomi. Penelitian dilakukan untuk menentukan faktor kalibrasi (calibration factor, CF) dan koefisien pemulihan (recovery coefficient, RC), beserta ketidakpastiannya, untuk setiap metode rekonstruksi yang digunakan dalam praktik klinis. Nilai CF merupakan nilai kuantifikasi citra menjadi aktivitas. Penentuan CF dilakukan melalui akuisisi sumber titik. Hasil menunjukkan bahwa rekonstruksi tidak berpengaruh signifikan terhadap nilai CF, sedangkan ketidakpastian akibat peluruhan selama akuisisi berdampak kecil terhadap perbedaan nilai. Nilai RC merupakan faktor koreksi dalam memperkirakan aktivitas yang dipengaruhi oleh efek volume parsial (partial volume effect PVE). Penentuan RC dilakukan dengan akuisisi fantom NEMA-IEC. Pengukuran nilai RC melibatkan variasi beberapa parameter, antara lain pemilihan volume (volume of interest, VOI), jumlah iterasi, dan jenis rekonstruksi. Hasil menunjukan bahwa variasi VOI yang mempertimbangkan cacahan tertumpah (spill-out) menghasilkan nilai RC yang lebih representatif. Pada variasi metode rekonstruksi, jumlah iterasi tidak mempengaruhi nilai RC secara signifikan, sedangkan jenis rekonstruksi memiliki pengaruh yang besar terhadap nilai RC. Ketidakpastian kurva RC akibat ketidakpastian volume dipengaruhi oleh ketidakpastian voksel, resolusi spasial, dan ketidakpastian parameter pencocokan kurva. Berdasarkan analisis gambar dan  parameter, hasilnya diperoleh bahwa saturasi dalam rekonstruksi AST dicapai pada volume yang lebih kecil dengan ketidakpastian yang lebih rendah dibandingkan dengan rekonstruksi OSEM, FBP, dan MLEM. Dengan demikian, baik secara kualitatif maupun kuantitatif, rekonstruksi AST memberikan representasi ukuran objek yang lebih baik.

---

This study aims to optimize the effectiveness of therapy using Lutetium-177 radionuclide by accurately measuring activity in each anatomical volume. The study was conducted to determine the calibration factor (CF) and recovery coefficient (RC) and their uncertainty for each method of reconstruction used in clinical practice. The CF value is the quantification value of the image into activity. CF determination is carried out through point source acquisition. The results show that reconstruction has no significant effect on the value of CF. In contrast, the uncertainty due to decay during acquisition has a small impact on the difference in value. The RC value is a correction factor in estimating activity affected by the partial volume effect (PVE). RC determination is carried out through NEMA-IEC phantom acquisition. The RC value measurement involves various parameters, including : the calculated volume of interest (VOI), the number of iterations, and the type of reconstruction. The results show that the variation of VOI that considers the spill-out results in a more representative RC value. In the various reconstruction methods, the number of iterations does not significantly affect the RC value, while the type of reconstruction greatly influences the RC value. The uncertainty of the RC curve due to volume uncertainty is influenced by voxel uncertainty, spatial resolution, and curve matching parameter uncertainty. Based on image and parameter analysis, the results show that saturation in the AST reconstruction is achieved at a smaller volume with lower uncertainties compared to OSEM, FBP, and MLEM reconstructions. Thus, both qualitatively and quantitatively, the AST reconstruction provides a better representation of the object's size."

"Di dalam air, pergerakan cahaya dipengaruhi oleh partikel tersuspensi dan redaman gelombang cahaya. Hal ini menyebabkan citra bawah air memiliki masalah distorsi warna, kontras rendah, dan visibilitas buruk, sehingga banyak informasi yang hilang dari citra bawah air. Banyak metode restorasi citra bawah air sudah diteliti, baik konvensional dan network-based. Untuk mengatasi keterbatasan dari kedua metode, penelitian ini menggunakan metode hibrida Global-Local Network dan Compressed-Histogram Equalization GLNet-CHE. Pada eksperimen pertama, penulis melakukan restorasi citra bawah air menggunakan GLNet-CHE dan menguji berbagai metode restorasi pada tahap konvensional. Metode restorasi konvensional yang diuji yaitu metode asal Compressed-Histogram Equalization (CHE), dan metode lainnya yaitu Locally Adaptive Contrast Enhancement (LACE) dan Bayesian Retinex. Hasil restorasi citra pada dataset UIEB menunjukkan bahwa GLNet dengan metode konvensional CHE memperoleh nilai terbaik PSNR 21.2101 ± 3.4080 dan SSIM 0.8585 ± 0.0741, mengungguli kombinasi metode lainnya. Pada eksperimen kedua, penulis meneliti pengaruh restorasi citra bawah air terhadap task deteksi objek. Penulis menggunakan model YOLO-NAS untuk mendeteksi objek pada citra bawah air yang belum dan sudah direstorasi. Hasil pada dataset BrackishMOT menunjukkan bahwa deteksi objek pada citra yang telah direstorasi memperoleh nilai precision, recall, dan F1 terbaik dengan nilai 0.6214, 0.3791, dan 0.3901. Sementara itu, nilai mAP tertinggi diperoleh citra bawah air asli dengan nilai 0.3851 yang menandakan performa yang lebih konsisten pada berbagai threshold.

---

High-quality underwater images are quite difficult to obtain due to light distortion caused by suspended particles and the attenuation of light waves. This causes underwater images to have problems of color distortion, low contrast, and poor visibility, leading to consider- able information loss. Many methods for underwater image restoration, both conventional and network based, have been researched. To overcome the limitation of both methods, this research uses the hybrid Global-Local Network and Compressed-Histogram Equal- ization (GLNet-CHE) approach. In the first experiment, the author conducts underwater image restoration using GLNet-CHE with various restoration methods for the conven- tional step. The conventional restoration methods used are the original Compressed- Histogram Equalization (CHE) and other methods, i.e., Locally Adaptive Contrast En- hancement (LACE) and Bayesian Retinex. The image restoration results on the UIEB dataset shows that GLNet with CHE as the conventional method obtained the best PSNR and SSIM value of 21.2101 ± 3.4080 and 0.8585 ± 0.0741 respectively, outperforming the other combinations. In the second experiment, the author investigated the effect of underwater image restoration on the object detection task. YOLO-NAS is used for object detection on restored and original underwater images. The results on the BrackishMOT dataset show that object detection on the restored images obtained the best precision, re- call and F1 values with values of 0.6214, 0.3791 and 0.3901 respectively. Meanwhile, the highest mAP value was obtained from the original underwater images with a value of 0.3851, which indicates more consistent performance at various thresholds."

"Multichannel Blind Deconvolution digunakan dalam restorasi citra karena pada kenyataannya statistik citra asli dan fungsi blur (point spread function) tidak selalu diketahui dengan pasti. Semakin banyak informasi tentang citra asli dan fungsi blur maka restorasi citra akan semakin baik, oleh karena itu diperlukan suatu cara yang mampu mendeteksi citra asli sebaik mungkin dan menggali sebanyak mungkin informasi fungsi blur (PSF) untuk peningkatan kualitas restorasi citra.Metode MBR telah dikembangkan dengan menggunakan cross-correlation antara citra-citra terdegradasi dengan filter bank restorasi, yaitu melakukan restorasi langsung dari citra terdegradasi ke filter bank restorasi. Hasil restorasi pada metode ini sangat sensitif terhadap pergeseran titik piksel dari tiap citra terdegradasi, apalagi dengan adanya noise akan lebih sulit untuk mendapatkan citra berkualitas baik. Di lain pihak, metode identifikasi kanal jamak secara blind (multichannel blind identification ) sinyal satu dimensi digunakan untuk mengestimasi statistik kanal dalarn proses equalisasi dan temyata sangat efektif untuk mendapatkan sinyal asli jika statistik kanal dan citra asli tidak diketahui. Penelitian ini menggabungkan teknik MBD dan estimasi fungsi blur (PSF) dengan metode multichannel blind identification untuk mengatasi sensitifitas metode MBR dan meningkatkan kualitas citra restorasi. Dari hasil penelitian menunjukkan bahwa metode ini menghasilkan kualitas hasil restorasi yang lebih baik dibandingkan metode MBD. Kualitas citra juga dipengaruhi oleh ukuran fungsi blur dan level noise.

---

Multichannel Blind Deconvolution (MBD) is used in image restoration because in reality original image statistic and blur function (point spread function) is not always known. More information about original image and blur function then image restoration will be better, for that reason we need a way to detect original image as good as possible and find blur function information (PSF) to increase image restoration quality.

MBR method has been developed using cross-correlation between degraded images with restoration filter bank, which is direct restoration from degraded image to restoration filter bank. Restoration result in this method is very sensitive to pixel shifting from each degraded image, even more with the existence of noise will be difficult to get good quality image. On the other side, multichannel blind identification 1-D signal method is used to estimate channel statistic in equalization process and it's very effective to find original signal it channel statistic and original image unknown.

This research combines MBD technique and blur function estimation (PSF) with multichannel blind identification method to overcome MBR method sensitivity and increase image restoration quality. The research result show that this method yields a better restoration result quality then, MBD method. The image quality is also affected by blur function size and noise level."

"Since the improvement in radiotherapy impacts on cancers at their most curable stages, radiotherapy-related research has a high strategic priority and a great capacity for improving the overall cure rates of the disease. However, some of the treatments involve the delivery of relatively high radiation dose to patients. Thus, it is important to be able to verify the success of the treatment by determining the dose deposited in the patient at each fraction. One possibility to achieve this would be to obtain an image while the patient is on the treatment couch. The aim of this study was to develop an image reconstruction algorithm by collecting limited information while the patient is on the treatment couch. Two methods, image correlation and projection correlation, were developed and compared here. The effectiveness and practicality of each of these methods were compared. The results showed that the projection correlation presents several advantages. It can be applied without any interations, and it produces a fast algorithm. With more advanced image reconstruction software, this method could potentially be used in a clinical environment."

"Telkomsel sebagai market leader operator Telekomunikasi Indonesia melakukan manajemen komunikasi krisis gangguan jaringan secara berturut-turut yang terjadi selama 2023 di Kalimantan Selatan, Maluku, dan Papua Selatan, selain itu juga cara Telkomsel memulihkan citra yang terdampak dengan image restoration theory, serta evaluasi dari manajemen komunikasi krisis yang dijalankan. Penelitian ini menggunakan pendekatan kualitatif dan paradigma post-positivisme untuk memahami fenomena yang diteliti. Teknik pengumpulan data utama dengan melakukan wawancara mendalam dan didukung oleh analisis sentimen media sosial melalui NoLimit, serta pengumpulan dokumen pendukung dilakukan yang kemudian dilakukan triangulasi data. Hasil yang didapat, Telkomsel telah membentuk tim komunikasi krisis yang masing-masing menjalankan tugasnya dan juga melakukan tahapan-tahapan dari sisi komunikasi. Pada pemulihan citra, Telkomsel menggunakan strategi mortification, reduce offensiveness, dan corrective. Evaluasi pada penelitian ini ditemukan bahwa masih ada silo dalam komunikasi di dalam organisasi Telkomsel, sehingga apabila koordinasi antar tim belum optimal.

---

Telkomsel as the market leader of Indonesian telco provider carries out communication crisis management for consecutive network disruptions that occurred during 2023 in South Kalimantan, Maluku and South Papua, as well as how Telkomsel restores the affected image using image restoration theory. Besides what need to be improve from the crisis management that already done by Telkomsel. This research uses a qualitative approach and a post-positivism paradigm to understand the phenomenon. The main data collection technique was conducting in-depth interviews and supported by social media sentimen analysis via NoLimit, as well as collecting supporting documents and then conducting data triangulation. As a result, Telkomsel has formed a crisis communication team, and also carries out stages in terms of communication. In image restoration, Telkomsel uses mortification, reduce offensiveness and corrective actions as their strategies. Evaluation in this research found that there are still silos in communication within the Telkomsel organization, so that coordination between teams is not optimal."

"Citra gelap (low light images) merupakan citra yang diambil pada kondisi pencahayaan yang rendah, sehingga menimbulkan noise secara acak dan distorsi warna. Noise dan distorsi ini membuat informasi pada citra berkurang yang menjadi kendala bagi sistem berbasis computer vision selanjutnya. Oleh karena itu, dapat dilakukan peningkatan kualitas citra gelap untuk meningkatkan kualitas informasi yang terkandung di dalamnya. Zero-DCE merupakan suatu model deep learning yang dikembangkan untuk melakukan peningkatan kualitas citra gelap dengan memanfaatkan struktur U-net dan perumusan loss function tanpa membutuhkan data citra berpasangan pada proses pembelajaran model. Pada penelitian ini, dilakukan berbagai eksperimen untuk mengoptimisasi performa model Zero-DCE meliputi percobaan trainable parameter weight loss, modifikasi color constancy loss, pemanfaatan bilateral filter dan proses hyperparameter tuning. Pengujian performa model optimisasi Zero-DCE dilakukan terhadap beberapa dataset, yaitu dataset LOL, SICE Part 1 dan Dark Face. Analisis dilakukan secara kuantitatif dan kualitatif pada citra hasil model optimisasi Zero-DCE dibandingkan dengan citra hasil model Zero-DCE. Pada experimen pada model Zero-DCE dengan trainable parameter weight loss, terlihat bahwa nilai optimal loss pada proses training model Zero-DCE tidak menghasilkan peningkatan kualitas citra gelap yang lebih baik. Pada eksperimen pada model dengan modifikasi color constancy loss dan hyperparameter tuning terlihat bahwa hasil model optimisasi zero-DCE lebih baik dibandingkan model Zero-DCE dalam analisis kuantitatif pada beberapa metrik. Namun jika dilakukan analisis secara kualitatif, tidak terdapat perbedaan hasil yang besar jika model dimanfaatkan dalam berbagai tugas seperti face detection dikarenakan perbedaan hanya terdapat pada adanya noise serta warna citra. Eksperimen juga berusaha meningkatkan performa lebih jauh menggunakan bilateral filter pada tahap terakhir. Pemanfaatan bilateral filter dapat disesuaikan terhadap karakteristik masukan citra. Jika citra memiliki banyak noise dan detail citra yang rendah akan lebih baik memanfaatkan post processing bilateral filter dibandingkan citra masukan yang memiliki banyak detail penting.

---

A low-light image is an image that was taken in an environment that lacks sufficient lighting, resulting in random noise and color distortion. This noise and distortion results in the lack of information in the image that becomes a hindrance for later computer vision models or systems. Thus, low light image enhancement is necessary to try to recover the missing information in the image. Zero-DCE is a deep learning model designed to improve the quality of low light image by utilizing the U-net structure and loss function formulation without requiring paired image data in the model learning process. In this research, various experiments were conducted to optimize the performance of the Zero-DCE model, including adjusting the trainable parameter weight loss, modifying color constancy loss, utilizing bilateral filter, and tuning hyperparameters. The performance of the optimized Zero-DCE model was tested on several datasets, namely the LOL, SICE Part 1, and Darkface datasets. The analysis is done quantitatively and qualitatively and the image of the optimized Zero-DCE model is compared to the image of the Zero-DCE model. The experimental results show that the trainable parameter weight loss, the evaluation results showed that the optimal loss value in the training process of the Zero-DCE model does not guarantee better low-light image enhancement results. Modifying the calculation of color constancy loss calculation and tuning hyperparameter experiments show that the results of the optimized Zero-DCE model are better than the Zero-DCE model in terms of certain quantitative metrics. However, when analyzed qualitatively, there is no big difference in results particularly in tasks like face detection because the difference only exists in terms of noise presence and image color. To further enhance the image, this experiment also employed the bilateral filter at the last step. The utilization of bilateral filters can be adjusted according to the characteristics of the input image. If the image contains a lot of noise and low image detail, utilizing bilateral filter would be more beneficial compared to images with important details."

"Dalam pengambilan citra, dapat terjadi penurunan kualitas akibat kondisi lingkungan sekitar. Salah satu kondisi penyebab penurunan kualitas tersebut adalah kondisi hujan, yang menyebabkan citra dengan tetesan air hujan. Dewasa ini, pendekatan deep learning dapat menjadi solusi, dengan banyaknya model yang mampu melakukan restorasi citra dengan tetesan air hujan (raindrop removal). Akan tetapi, banyak model yang hanya mampu menyelesaikan kasus spesifik dan tergantung pada data melalui metode supervised. Sebagai alternatif, terdapat model yang berpotensi dalam kasus ini adalah Zero-Shot Denoising Diffusion Null Model. Zero-Shot Denoising Diffusion Null Model adalah model yang bisa menyelesaikan kasus umum dengan tetap berperforma baik dengan pendekatan zero-shot, yaitu tanpa optimisasi dan pelatihan data. Sayangnya, sejauh ini Zero-Shot DDNM masih terbatas pada masalah linier, sementara itu masalah raindrop removal adalah masalah non-linier. Penelitian ini bertujuan untuk mengukur kemampuan metode Zero-Shot Denoising Diffusion Null Model dalam menyelesaikan masalah non-linier seperti raindrop removal. Untuk membantu memodelkan masalah raindrop removal ini pada Zero-Shot Denoising Diffusion Null Model, dibutuhkan input tambahan berupa raindrop mask. Pada penelitian ini, raindrop mask diperoleh menggunakan Attentive Generative Adversarial Network kemudian dilakukan thresholding dengan nilai 0.5 yang digunakan bersama dengan operator degradasi untuk melakukan deblurring with mask untuk mencari hasil restorasi terbaik. Data citra yang digunakan dalam penelitian ini adalah dataset citra dengan tetesan air hujan di luar ruang. Selain itu diterapkan juga beberapa strategi tambahan yaitu time-travel trick. Hasil restorasi citra dengan tetesan air hujan menunjukkan hasil paling baik dalam metrik Structural Similarity Index Measure yaitu simplified denoising with mask dengan time-travel trick, sedangkan hasil paling baik dalam metrik Peak Signal-to-Noise Ratio yaitu menggunakan simplified denoising with mask.

---

When taking an image, there can be a decrease in quality due to the surrounding conditions. One of the causes of this decrease in quality is rain, resulting in raindrops in the image. These days, there are many deep learning approached to solve raindrop removal. However, many of the models that perform well for raindrop removal are only able to solve specific cases based on the available data through supervised methods. A potential model capable of more general cases is the Zero-Shot Denoising Diffusion Null Model. Zero-Shot Denoising Diffusion Null Model has the capacity to solve common cases while still performing well in a zero-shot manner, that is, without data optimization and training. However, the model is limited to linear problems, while raindrop removal is a non-linear problem. This study aims to measure the ability of the zero-shot method in solving the non-linear problems of raindrop removal. To help model the raindrop removal task, it is necessary to generate raindrop masks that indicate the location of raindrops in the image. In this research, the raindrop masks are generated using Attentive Generative Adversarial Network then are thresholded with 0.5 value that are used with an adjusted degradation operator for deblurring with masks to find the best restoration results. Additionally, some strategies are implemented such as time-travel trick. The image data used in this study was an image dataset with raindrops outside the room. The result of raindrop removal shows the best results in the Structural Similarity Index Measure metric is simplified denoising with mask and time-travel trick, while the best result in the Peak Signal-to-Noise Ratio metric is using simplified denoising with mask."

"ABSTRAKPenelitian ini bertujuan ingin mengungkapkan mengapa dan apa tujuan para wanita disayembarakan dalam cerita dan lakon wayang serta citra dan posisi wanita Jawa melalui citra dan posisi para wanita yang disayembarakan itu. Cerita dan lakon wayang yang digunakan sebagai bahan untuk mengumpulkan data berasal dari teks, oleh karena itu penelitian ini bergantung pada teks yang berbicara, di mana berdasarkan teks-teks cerita dan lakon wayang tersebut diperoleh gambaran bagaimana sesungguhnya citra dan posisi wanita Jawa seperti yang tercermin dalam wayang.Untuk menjawab pertanyaan tersebut, dalam penelitian ini digunakan pendekatan intrinsik dan metode kualitatif, sebab penelitian bersifat deskriptif analisis sehingga ditemukan hasil yang obyektif dari gambaran keadaan sebenarnya sesuai dengan tujuan penelitian.Berdasarkan hasil yang ditemukan itu, dapat diketahui bahwa penyebabnya adalah pertama karena memang sudah waktunya bagi para wanita yang disayembarakan tersebut untuk menikah, namun hingga dewasa belum mau menikah dan belum mempunyai pilihan untuk dijadikan suami, selain itu juga karena banyaknya raja dan satria yang ingin melamar mereka, kedua karena banyaknya pria yang ingin menyunting sang putri yang mempunyai kelebihan-kelebihan, ketiga karena memang untuk menanti jodoh yang sudah dipastikan; keempat karena hilangnya sang putri dari kerajaan, kelima untuk memperoleh pasangan yang sesuai dengan keinginan, dan keenam tidak disebutkan alasannya, maka diadakanlah sayembara. Oleh karena itu, dapat pulalah diketahui tujuan mereka disayembarakan, yaitu untuk mencari calon suami bagi mereka.Sedangkan penggambaran tentang citranya secara garis besar para wanita yang disayembarakan itu taat dan patuh kepada ayah atau saudara laki-lakinya, serta memiliki sifat-sifat santun dan pasrah. Dengan citra yang senantiasa taat dan patuh serta setia dan pasrah tersebut, mengakibatkan para wanita menduduki posisi yang tersubordinat Hal itu diakibatkan oleh tidak diberinya wewenang dan hak untuk mengungkapkan pendapat pribadi yang sesuai dengan keinginan mereka. Sementara di sisi lain terdapat citra wanita yangpantang menyerah, sabar, belas kasih, dan pendendam. Disamping itu mempunyai watak yang teguh pada pendiriannya Dengan citra yang seperti itu mengakibaikan para wanita menduduki posisi yang sejajar dengan para pria. Posisi seperti itu diakibatkan oleh adanya kesempatan untuk menggunakan wewenang dan haknya mengemukakan sesuatu sesuai dengan keinginan, sehingga dapat menentukan dan memutuskan kehendaknya berdasarkan keadaan yang dialaminya.Dengan demikian, dari hasil citra dan posisi wanita yang disayembarakan dalam cerita dan lakon wayang dapat diketahui bahwa citra dan posisi wanita Jawa tidak berbeda dengan citra dan posisi wanita yang disayembarakan tersebut Sebab selama ini konsep-konsep budaya Jawa yang menyatakan bahwa wanita adalah kanca wingking `sebagai yang dipimpin' dan laki-laki adalah kanca ngajeng `sebagai pemimpin atau yang memimpin' sudah begitu mengakar dalam kehidupan masyarakat nya Demikian juga dengan konsep gurulaki, swarga nunur naraka karat, menyebabkan wanita selatu berada pada posisi di belakang atau bahkan di bawah laki-laki. Meskipun konsep-konsep itu sudah tidak dianut secara fanatik, dan bahkan terdapat ungkapan-ungkapan yang menilai kedudukan wanita cukup tinggi, misalnya 'Ibu pertiwi', Ibu jari.'', dan `surga di bawah telapak kaki Ibu', namun tanpa disadari mereka (masyarakat Jawa) masih terkungkung oleh budaya yang melingkupinya.

---

ABSTRACT

Image and Position of Javanesse Woman: Case Study in Women Figure which are Contested in Stories and Lakon WayangThe objective of this research is to find out why and what the purpose of contested woman is in stories and lakon wayang and image and the position of Javanesse women as well in terms of the contested image and position of the women. Stories and lakon wayang are used as material to collect data originated from texts, therefore, this research is depending upon the speaking texts, where the real image and position of Javanesse women are obtained in accordance to the texts as reflected in wayang.

To answer the above question, intrinsic and qualitative methods are used in this research for the research is analysis descriptive, so the unbiased result of real image is obtained up to the objective of this research.

Based on the result, there are some reasons why the contest is conducted; first, they are already have to get married, but they don't want it yet, and also they aren't find yet a goad pair, apart from that, there are so many prince and king want to proposed them; second, quite a few nobles men want to marry them; third, they waiting for somebody who has a faith to be their husband; fourth, somebody kidnapped the princess; fifth, to find somebody who fulfilled her desired; sixth, contested performed without any reason. Therefore, we can find the purpose of the contest, that is to find a marriage partner.

From that research we can find out that the image of the Javanesse women are always obey to the father and the brother's will, have a loyal and submit to their fate,-The consequences of these characteristic put the women in the subordinate position. Women can't expose their right and opinion as their wanted to. In the other side, women are describe have strong character, patient, mercifully, and bears a grudge. Consquences on that image cause the women have a similar position with a man. In that case, women can dicided what ever she wanted to do.

Javanesse culture have a concept of that a women is kanca wingking (follower), and a man is kanca ngajeng (leader), and also guru lake, swrzrga nunut, naraka katut (should follow the man in a good place or a bad place). All of these concept make a woman always in the lower position or even under the man. Besides that perceptions, in the wayang plays, there are another concept which is contrary different as we mention before. For example; i pertiwi (home land); ibu fart (thumb) and surga di bawah telapak kaki ibu (heaven is under mother's foot). These concept try to put the women in a good position. But that can't change so much, because man still fells that he is a leader and the women is the follower. Until now that conditions still continue and that continuation influenced with the patron of education and socialization that still life in the society.

Actually with wayang we can change the perception of the society. For example with the presentation of the Damayanti story. With the lakon wayang we also can influence the mission of equality of man and woman. We can change the perception of the society about the images and position of woman, from the subordinate to equality."

"Penyakit ginjal kronis (PGK) merupakan salah satu penyakit dengan tingkat kematian terbanyak di dunia. Oleh karena itu, diperlukan metode diagnosis yang cekatan dan akurat agar dapat ditangani dalam waktu secepatnya. Magnetic Particle Imaging (MPI) adalah metode pencitraan non-invasif baru yang sedang berkembang. MPI bekerja dengan menggunakan medan magnet untuk memindai, mengeksitasi dan mendeteksi sinyal tracer, yang berupa superparamagnetic iron oxide nanoparticle (SPION), yang sebelumnya telah diinjeksikan ke dalam subjek. Dibandingkan dengan modalitas lain seperti Computed Tomography (CT), tracer MPI tidak radioaktif dan tidak diproses oleh ginjal, sehingga lebih aman untuk diagnosis atau pemantauan PGK. Tujuan dari penelitian tesis ini adalah untuk menyimulasikan alat MPI dengan bidang field-free point (FFP) dan mendemonstrasikan rekonstruksi citra MPI 1D dari sinyal output simulasi. Hal tersebut dilakukan dengan membuat model 3 dimensi sesuai dengan parameter yang telah ditentukan oleh hasil studi literatur dan melakukan simulasi dengan tracer pada lokasi-lokasi berbeda dalam field of view, lalu mengolah data menggunakan dua metode signal processing yaitu metode system matrix (SM) dan metode X-Space. Hasil dari penelitian adalah model 3D mampu menyimulasikan kinerja MPI dengan cukup baik, dengan hasil rekonstruksi dengan metode SM mempunyai error rata-rata 42,66% dan skor Structural Similarity Index Measure (SSIM) 0,346 karena jumlah sampel yang sedikit. Namun, sinyal output tidak dapat digunakan untuk rekonstruksi X-Space oleh karena bentuk FFP yang terlalu landai, meskipun berdasarkan pemodelan matematis, metode rekonstruksi X-Space memiliki tingkat akurasi yang sangat tinggi dengan waktu rekonstruksi yang cepat, dengan resolusi 2 mm dan skor SSIM 0,861. Melalui penelitian ini, didapat bahwa meskipun tidak dapat menggunakan metode X-Space, model MPI yang dibuat mampu digunakan untuk menyimulasikan kinerja MPI FFP 1D dengan akurasi yang cukup baik agar dapat menghasilkan citra melalui metode rekonstruksi system matrix.

---

Chronic kidney disease (CKD) is one of the deadliest diseases in the world. Therefore, there is a constant search for an accurate and fast method to diagnose CKD so treatment can begin as fast as possible. Magnetic Particle Imaging (MPI) is an emerging non-invasive imaging method that is currently being developed for medical use. MPI uses a combination of varying magnetic fields to scan and detect magnetic signals from its tracers, named superparamagnetic iron oxide nanoparticles (SPIONs), which are injected into the subject beforehand. Compared to other imaging modalities like Computed Tomography (CT), MPI’s tracers are not radioactive and are not processed in the kidneys, making it a safer option for diagnosing CKD without worsening its condition. The aim of this thesis is to simulate the mechanisms of a field-free point (FFP) MPI and to reconstruct a 1D image based on the acquired simulated MPI data. This is done by making a 3-dimensional model of an MPI device based on parameters gathered via literature research and simulating MPI scans with tracers located in various points inside the field of view. The gathered data are then processed by two methods, the system matrix (SM)-based reconstruction and the X-Space reconstruction. The results of this research are that the 3D model can simulate the mechanisms of MPI properly, with an average error of 42.66% and a Structural Similarity Image Measure (SSIM) score of 0.346 using the SM-based reconstruction due to a very limited sample size and an inaccurate tracer model. However, the signals cannot be reconstructed using X-Space methods due to the low gradient of the FFP, despite the X-Space method being a very fast and accurate reconstruction method based on mathematical models, having a 2 mm resolution and an SSIM of 0.861. These findings conclude that despite being unable to use the X-Space reconstruction method, the 1-dimensional FFP MPI model can simulate the mechanics of MPI with enough accuracy to create an image using SM-based reconstruction."

"Electrical Impedance Tomography (EIT) sebagai alat pencitraan non-invasif dan fungsional semakin banyak digunakan, terutama untuk pemantauan paru-paru. Namun, kompleksitas EIT mengakibatkan waktu pemrosesan yang lambat dan kualitas gambar yang kurang baik, sehingga sulit diterapkan secara real-time. Penelitian ini mengembangkan phantom resistor yang mensimulasikan struktur paru-paru dan meningkatkan kualitas citranya dengan metode segmentasi berbasis AI. Phantom resistor ini mampu meniru impedansi listrik jaringan tubuh pada area paru-paru (kulit 1k ohm, lemak 4.7k ohm, otot 1k ohm, dan paru-paru 2.2k ohm) dan menunjukkan perbedaan citra antara kondisi ekspirasi dan inspirasi dengan nilai mean, standar deviasi, dan varian sampel yang baik. Dataset terdiri dari 594 gambar dengan variasi tipe rekonstruksi, urutan elektroda injeksi, dan posisi, digunakan untuk melatih model segmentasi. Model segmentasi K-means dengan 4 klaster dan U-Net diuji pada phantom resistor paru-paru, menunjukkan akurasi validasi 0.7071 dan kerugian validasi 0.1441, berhasil mensegmentasi jaringan tubuh di sekitar paru-paru. Peningkatan kualitas citra EIT diukur dengan SSIM terbaik sebesar 0.8225 pada segmentasi K-means, meskipun kesamaan perseptual belum dapat ditingkatkan, dengan nilai LPIPS terbaik sebesar 0.1885 pada gambar original hasil rekonstruksi EIT. Penelitian ini menunjukkan bahwa phantom resistor dan segmentasi berbasis AI dapat meningkatkan kualitas citra EIT dan memvalidasi perangkat tanpa pengujian langsung pada manusia.

---

Electrical Impedance Tomography (EIT) as a non-invasive and functional imaging tool is increasingly used, particularly for lung monitoring. However, the complexity of EIT results in slow processing times and poor image quality, making real-time application challenging. This study developed a resistor phantom that simulates lung structure and improves image quality using AI-based segmentation methods. The resistor phantom can mimic the electrical impedance of body tissues in the lung area (skin 1k ohm, fat 4.7k ohm, muscle 1k ohm, and lungs 2.2k ohm) and demonstrates image differences between expiratory and inspiratory conditions with good mean, standard deviation, and sample variance values. A dataset of 594 images with variations in reconstruction type, electrode injection sequence, and position was used to train the segmentation model. Segmentation models using K-means with 4 clusters and U-Net were tested on the lung resistor phantom, showing validation accuracy of 0.7071 and validation loss of 0.1441, successfully segmenting body tissues around the lungs. Improved EIT image quality was measured with the best SSIM value of 0.8225 in K-means segmentation, although perceptual similarity could not be improved, with the best LPIPS value of 0.1885 on the original EIT reconstructed images. This study demonstrates that the resistor phantom and AI-based segmentation can enhance EIT image quality and validate devices without direct human testing."