Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penyakit kardiovaskular, khususnya aritmia, merupakan salah satu penyebab utama kematian di dunia. Aritmia terjadi akibat gangguan irama jantung yang dapat dideteksi menggunakan Elektrokardiogram (EKG), yang dideteksi dengan menganalisa perubahan atau kejanggalan dari sinyal EKG yang dilihat oleh pengamat. Namun, sinyal EKG seringkali tidak akurat karena bersifat non-linear dan memiliki amplitudo rendah, sehingga perubahan kecil mungkin dilalaikan oleh mata telanjang manusia. Oleh karena itu, diperlukan metode yang lebih efektif dalam mengklasifikasikan aritmia. Penelitian ini mengusulkan penggunaan metode Bidirectional Recurrent Convolutional Neural Network (BiRCNN) untuk klasifikasi sinyal EKG. Metode BiRCNN menggabungkan Convolutional Neural Network (CNN) yang mengekstraksi fitur morfologi sinyal EKG dan Recurrent Neural Network (RNN) yang menangkap informasi temporal dari detak jantung. Gabungan kedua metode ini diharapkan dapat memberikan hasil yang akurat dan konsisten. Data yang digunakan dalam penelitian ini berasal dari Basis Data MIT-BIH Arrhythmia, yang terdiri dari ribuan rekaman detak jantung normal dan aritmia. Data yang digunakan melalui tahap praproses dengan memilih segmen sinyal EKG dengan 187 titik waktu, dengan normalisasi pada semua data agar berada dalam rentang amplitudo yang sama. Untuk mengatasi ketidakseimbangan kelas dalam dataset, metode SMOTE digunakan untuk meningkatkan jumlah sampel kelas minoritas hingga mencapai 100% dari jumlah sampel kelas mayoritas, sehingga memastikan distribusi data yang lebih seimbang. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, sensitivitas, spesifisitas, dan nilai AUC-ROC. Hasil penelitian dari lima simulasi pembangunan model menunjukkan bahwa metode BiRCNN memiliki kinerja yang baik dalam klasifikasi aritmia, dengan rata-rata nilai akurasi sebesar 98.25%, sensitivitas sebesar 94.67%, spesifisitas sebesar 98.70%, dan AUC-ROC sebesar 99.44%. Berdasarkan hasil penelitian tersebut, metode ini mampu mengidentifikasi aritmia secara konsisten dengan ketepatan yang cukup baik.

---

Cardiovascular disease, particularly arrhythmia, is one of the leading causes of death in the world. Arrhythmias occur due to heart rhythm disturbances that can be detected using an Electrocardiogram (ECG), detected by analyzing the changes or irregularities in the ECG signal seen by the observer. However, ECG signals are often inaccurate because they are non-linear and have low amplitude, so small changes may be overlooked by the naked human eye. Therefore, a more effective method of classifying arrhythmias is needed. This research proposes the use of Bidirectional Recurrent Convolutional Neural Network (BiRCNN) method for ECG signal classification. The BiRCNN method combines a Convolutional Neural Network (CNN) that extracts morphological features of ECG signals and a Recurrent Neural Network (RNN) that captures temporal information of the heartbeat. The combination of these two methods is expected to provide accurate and consistent results. The data used in this study comes from the MIT-BIH Arrhythmia Database, which consists of thousands of normal and arrhythmic heartbeat recordings. The data used went through a preprocessing stage by selecting ECG signal segments with 187 time points, with normalization on all data to be in the same amplitude range. To overcome the class imbalance in the dataset, the SMOTE method was applied to increase the number of minority class samples to 100% of the number of majority class samples, thus ensuring a more balanced data distribution. Model performance evaluation was performed using accuracy, sensitivity, specificity, and AUC-ROC value metrics. The results of five model fitting simulations showed that the BiRCNN method performed well in arrhythmia classification, with an average accuracy value of 98.25%, sensitivity of 94.67%, specificity of 98.70%, and AUC-ROC of 99.44%. Based on the results, this method is able to identify arrhythmias consistently with fairly good accuracy."

"Perkembangan ilmu dan pengetahuan keperawatan semakin berkembang untuk meningkatkan pelayanan bagi pasien. Penyakit kardiovaskular merupakan penyebab utama kematian di dunia dan prevalensi nya yang tinggi menjadi perhatian dan tantangan bagi tenaga kesehatan dalam memberikan pelayanan kesehatan. Perawat spesialis dengan perannya sebagai pemberi asuhan, pendidik, peneliti dan inovator memiliki peran penting dalam pelayanan kesehatan khususnya pada penyakit kardiovaskular. Pelaksanaan praktik residensi bertujuan untuk mengaplikasikan peran perawat spesialis dengan menggunakan pendekatan Teori Model Adaptasi Roy. Peran sebagai pemberi asuhan dan pendidik diterapkan pada 31 psaien dengan berbagai kasus kardiovaskular baik medical maupun surgical. Peran sebagai pendidik juga diberikan kepada rekan sejawat dengan melakukan jurnal reading dan diskusi. Hasil analisis praktik menunjukkan bahwa teori Model Adaptasi Roy dapat diterapkan pada asuhan keperawatan pada pasien dengan gangguan sistem kardiovaskular. Peran sebagai peneliti dilakukan dengan penerapan terapi oksigen nasal kanul aliran rendah tanpa humidifikasi. Hasil penerapan didapatkan bahwa terapi oksigen nasal kanul aliran rendah tanpa humdifikasi dapat dijadikan alternative pemberian terapi oksigen. Peran sebagai inovator dijalankan dengan menyusun form skrining pasien yang memerlukan perawatan paliatif pada pasien gagal jantung, dengn hasil evaluasi didapatkan bahwa form layak untuk digunakan.

---

The development of nusing science and knowledge is increasingly evolving to improve services for patients. Cardiovascular disease is the leading cause of death in the world and its prevalence is high. It's become concern and challenge for health workers in providing health services. Nurses Specialist with his role as caregiver, innovators, researchers and educators have an important role in health services especially in cardiovascular disease. Implementation practice residencies aim to apply the role of specialist nurses using Theory approach Model Adaptation by Roy. The role as a caregiver and educator was applied in 31 cases with various cardiovascular cases either medical or surgical. The role of the educator is also given to other nurses by journal reading and discussion. Practice analysis results showed that the Roy Adaptation Model can be applied on nursing care of patients with cardiovascular diseases. The role as a researcher executed by evidence-based nursing, low flow nasal cannula oxygen therapy without humidification could become alternative modality in oxygen therapy. The role as an innovator executed by created palliative screening for heart failure, with the evaluation showed that the form is acceptable."

"ABSTRAKPasien gagal jantung sering mengalami penurunan kualitas hidup karena keadaan ldquo;high simptom burden rdquo; dan hospitalisasi berulang, sehingga berdampak pada prognosis yang buruk. Salah satu usaha untuk meningkatkan kualitas hidup pasien jantung adalah dengan perawatan paliatif. Manajemen simptom merupakan komponen sangat penting dalam perawatan paliatif. Edmonton symptom assessment system ESAS merupakan instrumen pengkajian keluhan simptomatik yang umum digunakan pada pasien dengan penyakit kronis. Hasil analisis Rasch terhadap 35 kuesioner ESAS yang diisi oleh pasien gagal jantung menunjukkan bahwa ESAS memenuhi syarat unidimensionalitas eigenvalue 41 , yang berarti ESAS mampu mengukur beban simptom. Nilai Cronbach rsquo;s alpha 0,812 menunjukkan reliabilitas yang sangat baik, namun nilai person reliability 0,58 menunjukkan bahwa konsistensi jawaban dari pasien lemah. Rekomendasi penulis dari penerapan EBN ini adalah pengukuran uji validitas dan reliabilitas ulang terhadap ESAS dengan jumlah sampel tiap unit yang memadai setelah dilakukan double translation instrumen. Kata kunci : ESAS, beban simptom, paliatif, gagal jantung

---

ABSTRAK Heart failure is known as high symptom burden disease. Symptom burden interfere with patients rsquo;s quality of life and lead to worse prognosis. Palliative care is an approach to improve patient rsquo;s quality of life by providing relief from pain and other distressing symptoms. Symptom management is one of the most crucial component of palliative care. Edmonton symptom assessment system ESAS is a clinical tools to document the symptom burden in chronically ill patients. Rasch analysis of 35 ESAS questionnaire completed by heart failure patients shows that ESAS is a unidimensional eigenvalue 41 measure of symptom burden. The calculated Cronbach rsquo;s alpha was 0,812, interpreted to good reliability; but low person reliability score 0,58 indicated low consistency of person response. The recommendation for this evidence-based nursing intervention is re-analysis of instrument rsquo;s validity and reliability with sufficient number of samples form each unit and double translation procedure. Keywords: ESAS, simptom burden, palliative, heart failure"

"Latar Belakang. Indeks Glikemik (IG) diketahui berhubungan dengan kejadian penyakit kardiovaskular, semakin tinggi IG semakin tinggi kejadian penyakit kardiovaskular. Highly Sensitivity-CRP (hs-CRP) merupakan pemeriksaan yang digunakan untuk menilai faktor risiko PIK. Semakin tinggi hs-CRP semakin besar risiko terjadinya Acute heart Disease. Indeks Glikemik diketahui berhubungan positif dengan hs-CRP. Saat ini di Indonesia belum ada penelitian yang menghubungkan IG, hs-CRP dan PIK.Tujuan. Diketahuinya nilai dan rerata IG dan hs-CRP pada penderita PIK, serta melihat ada tidaknya korelasi antara IG, hs-CRP dan pada penderita PJK. Metodologi. Studi pendahuluan dan potong lintang dilakukan pada 14 penderita PIK jenis angina pectoris stabil yang datang berobat di poliklinik Kardiologi RSCM. Kemudian dilakukan diagnosa PJK dengan Treadmill, pemeriksaan hs-CRP dan kemudian wawancara gizi dengan Food Frequency Quesioner yang menggambarkan pola diet penderita untuk mendapatkan nilai IG.Hasil. Didapatkan rerata IG 80,96 (tinggi), rerata hs-CRP 1,88 mg/L, serta korelasi positif antara IG dan hs-CRP. Nilai korelasi antara IG dan hs-CRP adalah 0,682 dengan kemaknaan statistik 0,007.Simpulan. Didapatkan rerata IG dan hs-CRP yang tinggi serta korelasi positif antara IG dan hs-CRP pada penderita PJK.

---

Background. Glycemic Index (GI) significantly correlated with cardiovascular disease, especially Coronary Arterial Disease (CAD). High Sensitivity-CRP is a marker to predict the risk of Cardiovascular Disease and the higher hs-CRP the higher risk of CAD. Glycemic Index has been known to have a positive correlation with hs-CRP. There was no research in Indonesia, which was trying to see the correlation between IG, hs-CRP and CAD.

Objectives. To get an average value of GI and hs-CRP and to know if there is a correlation between GI and hs-CRP in CAD patient.

Methods. A cross sectional study was done to this research. Fifteen CAD patients especially stable chronic angina which already diagnose with treadmill were examined their blood and then filled form of FFQ to see their GI pattern.

Results. The average result of GI was 80.96 (high) and average result of hs-CRP was 1.88 mg/L. There was a positive correlation between GI and hs-CRP in-patient with CAD in this research.

Conclusions. There was a high average value of GI and hs-CRP in-patient with CAD. There was a positive correlation between GI and hs-CRP in CAD patient."

"Analisis sentimen adalah studi komputasi yang bertugas mengelompokkan sentimen atau opini dari teks yang ada dalam dokumen, kalimat, atau pendapat ke kelas sentimen positif, negatif, atau netral. Terdapat banyak model deep learning yang terkenal untuk analisis sentimen, dua di antaranya adalah Convolutional Neural Network (CNN) dan Gated Recurrent Unit (GRU), yang termasuk dalam Recurrent Neural Network (RNN). Bidirectional Gated Recurrent Unit (BiGRU) merupakan bagian dari Bidirectional Recurrent Neural Network (BiRNN) yang dapat bekerja secara dua arah dan memungkinkan untuk menangkap pola yang mungkin diabaikan oleh GRU. Untuk meningkatkan kinerja model menjadi lebih baik, beberapa peneliti mencoba menerapkan model hybrid dengan menggabungkan dua atau lebih model deep learning dasar. CNN memiliki keunggulan dalam mendapatkan fitur terpenting, sedangkan BiGRU dapat merepresentasikan kata dengan memperhatikan urutan dengan dua arah. Kedua model tersebut dapat digabungkan menjadi model CNN-BiGRU dan BiGRU-CNN. Implementasi kedua model dilakukan untuk data opini yang diambil dari Twitter mengenai tiga dompet digital, yaitu Gopay, OVO, dan ShopeePay. Hasil penelitian didapat bahwa kedua model memiliki kinerja yang berbeda untuk setiap dataset. Kemudian, didapat bahwa kedua model tersebut memiliki nilai akurasi dan f1 score yang tidak lebih tinggi dibandingkan model dasarnya.

---

Sentiment analysis is a computational study that is used to classify sentiments or opinions from texts in documents, sentences, or opinions into positive, negative, or neutral sentiment classes. There are many well-known deep learning models for sentiment analysis, two of which are the Convolutional Neural Network (CNN) and the Gated Recurrent Unit (GRU), which are included in the Recurrent Neural Network (RNN). The Bidirectional Gated Recurrent Unit (BiGRU) is part of the Bidirectional Recurrent Neural Network (BiRNN) which can work in both directions and allows for capturing patterns that the GRU might ignore. To improve model performance, some researchers are trying to implement a hybrid model by combining two or more basic deep learning models. CNN has the advantage of getting the most important features, while BiGRU can represent words by paying attention to the order in two directions. The two models can be combined into CNNBiGRU and BiGRU-CNN models. The implementation of the two models is used for opinion data taken from Twitter regarding three digital wallets, namely Gopay, OVO, and ShopeePay. The results showed that the two models have different performances for each dataset. Then, it was found that both models have an accuracy value and an f1 score that is not higher than the basic model."

"Degenerasi makula atau Age-Related Macular Degeneration (AMD) adalah penyakit mata yang menyebabkan kebutaan pada bagian tengah mata yang merusak kinerja retina pada bagian makula yang berfungsi untuk mempertajam penglihatan untuk beberapa aktivitas, seperti membaca, menulis, dan mengenali wajah seseorang. Penderita AMD akan mengalami penglihatan yang buram, distorsi penglihatan, atau bahkan kehilangan penglihatannya. Dalam mendiagnosis AMD dapat digunakan oftalmoskopi, beberapa metodenya yaitu Ocular Coherence Tomography (OCT) dan fotografi fundus sudah banyak dilakukan untuk membantu diagnosis AMD. Namun, diagnosis AMD dengan mengandalkan ahli dapat berlangsung lama dan memungkinkan terjadinya error subjektivitas oleh pendiagnosis. Diagnosis awal diperlukan untuk mendeteksi adanya kemungkinan terjadinya AMD pada tahap awal yang gejalanya tidak dirasakan oleh penderita. Pendekatan diagnosis AMD salah satunya dapat dilakukan dengan pendekatan machine learning. Machine learning sudah berperan besar dalam sektor medis membantu permasalahan klasifikasi diagnosis penyakit seperti metode Support Vector Machines (SVM) dan Twin Support Vector Machines (TSVM). Salah satu cabang machine learning yang sangat baik dalam klasifikasi penyakit lewat gambar adalah deep learning. Metode yang digunakan deep learning untuk permasalahan klasifikasi data citra salah satunya adalah Convolutional Neural Network (CNN). Pada penelitian ini, akan digunakan metode Convolutional Neural Network – Twin Support Vector Machines (CNN-TSVM) untuk mengklasifikasi penyakit AMD menggunakan data citra fundus yang diperoleh dari Ocular Disease Recognition (ODIR-5K) 2019, dengan 227 data citra fundus normal dan 227 data citra fundus penyakit AMD. Evaluasi kinerja metode CNN-TSVM menggunakan teknik hold-out validation dengan membagi data latih dan data uji dengan proporsi 10% - 90% dan metrik akurasi, presisi, dan recall. Hasil kinerjanya dibandingkan dengan metode CNN dan Convolutional Neural Network – Support Vector Machines (CNN-SVM). Hasil yang diperoleh menunjukkan CNN-TSVM menggunakan kernel RBF memberikan akurasi dan recall terbaik, sementara CNN-TSVM menggunakan kernel polinomial memberikan presisi terbaik.

---

Age-related Macular Degeneration (AMD) is an eye disease that causes blindness in the middle of the eye that impairs retinal performance in the macula that serves to sharpen vision for some activities, such as reading, writing, and recognizing a person's face. AMD sufferers will experience blurred vision, vision distortion, or even loss of vision. In AMD diagnosed, ophthalmology can be used, several methods of ophthalmology including Ocular Coherence Tomography (OCT) and fundus photography have been widely done to help the diagnosis of AMD. However, AMD diagnosis by relying on experts can be long-lasting and allow subjective errors to occur in the diagnosis. An initial diagnosis is needed to detect the possibility of AMD occurrence at an early stage where symptoms are not felt by the sufferer. One of AMD diagnosis approach can be done with machine learning approach as one of artificial intelligence methods. Machine learning method has played a major role in the medical sector helping classification problems of disease diagnosis such as Support Vector Machines (SVM) and Twin Support Vector Machines (TSVM). One of the excellent branches of machine learning in the classification of diseases through images is deep learning. The suitable method used by deep learning for image data classification problems is convolutional neural network (CNN). In this study, Convolutional Neural Network–Twin Support Vector Machines (CNN-TSVM) method will be used to classify AMD diseases using fundus image data obtained from Ocular Disease Recognition (ODIR-5K) 2019, with 227 normal fundus image data and 227 fundus image data of AMD disease. Performance evaluation of CNN-TSVM method using hold-out validation techniques by dividing training data and testing data by a proportion of 10% - 90% and metrics of accuracy, precision, and recall. The performance results will be compared to CNN and Convolutional Neural Network – Support Vector Machines (CNN-SVM). The results showed CNN-TSVM using RBF kernel provided the best accuracy and recall, while CNN-TSVM using polynomial kernel provided the best precision."

"Perencanaan merupakan tahap awal dari pengelolaan perbekalan farmasi. Perencanaan yang baik diperlukan untuk memastikan persediaan tetap baik agar dapat memenuhi kebutuhan masyarakat. Perencanaan perbekalan farmasi dapat menggunakan metode konsumsi dan analisis ABC. Metode konsumsi merupakan metode yang sangat sering digunakan saat perencanaan karena cukup akurat dapat memperkirakan kebutuhan masyarakat berdasarkan daya beli persediaan farmasi. Analisis ABC digunakan untuk menentukan prioritas pengadaan sesuai dengan nilai investasi perbekalan farmasi tersebut. Di Apotek Kimia Farma Yusuf Depok terdapat cukup banyak pasien yang memiliki penyakit kronis sehingga memerlukan obat rutin dalam jangka waktu yang panjang, salah satunya adalah pasien dengan penyakit kardiovaskular. Tugas khusus ini memiliki tujuan untuk menentukan jenis dan jumlah obat kardiovaskular yang memerlukan pengadaan untuk bulan Mei 2023 di Apotek Kimia Farma Yusuf Depok, juga melakukan analisis ABC pada obat kardiovaskular di Apotek Kimia Farma Yusuf Depok pada periode April 2023. Berdasarkan hasil perhitungan dari 24 jenis obat, terdapat 9 obat yang memerlukan pengadaan. Dari hasil analisis ABC, terdapat 8 jenis obat masuk kelompok A, terdapat 5 jenis obat masuk kelompok B, dan terdapat 11 jenis obat masuk kelompok C.

---

Planning is the initial stage of managing pharmaceutical supplies. Good planning is needed to ensure supplies remain good in order to meet community needs. Planning pharmaceutical supplies can use the ABC consumption and analysis method. The consumption method is a method that is very often used when planning because it can accurately estimate community needs based on the purchasing power of pharmaceutical supplies. ABC analysis is used to determine procurement priorities according to the investment value of pharmaceutical supplies. At Kimia Farma Yusuf Depok Pharmacy, there are quite a lot of patients who have chronic diseases that require routine medication for a long period of time, one of which is patients with cardiovascular disease. This special task aims to determine the type and quantity of cardiovascular drugs that require procurement for the month of May 2023 at Kimia Farma Yusuf Depok Pharmacy, as well as carrying out an ABC analysis of cardiovascular drugs at Kimia Farma Yusuf Depok Pharmacy in the period April 2023. Based on the results of calculations of 24 types medicines, there are 9 medicines that require procurement. From the results of the ABC analysis, there are 8 types of drugs in group A, 5 types of drugs in group B, and 11 types of drugs in group C."

"Ibadah haji merupakan ibadah yang dilaksanakan oleh umat Islam di seluruh dunia pada waktu dan tempat yang telah ditentukan. Pada tahun 2023, sebanyak 1.845.045 orang dari berbagai negara mengikuti ibadah ini dan Jemaah haji dari Indonesia sendiri berjumlah 211.386 orang. Sebagian besar aktivitas dalam ibadah haji bersifat fisik dan ditambah dengan stresor eksternal seperti cuaca panas dan terik matahari, sehingga faktor kesehatan menjadi sangat penting untuk kelancaran ibadah haji. Kriteria kesehatan jemaah haji ditentukan berdasarkan istithaah kesehatan. Pada tahun 2023, terdapat peningkatan signifikan dalam angka kematian jemaah haji dibandingkan tahun-tahun sebelumnya, yaitu mencapai 774 orang, dengan 43% di antaranya disebabkan oleh penyakit kardiovaskular atau berjumlah 336 jiwa. Oleh karena itu, penelitian potong-lintang dilakukan dengan menggunakan data sekunder dari Sistem Komputerisasi Haji Terpadu Bidang Kesehatan (SISKOHATKES) untuk mengetahui pengaruh faktor risiko terhadap kematian jemaah haji Indonesia akibat penyakit kardiovaskular. Hasil uji analisis regresi logistik berganda menunjukkan bahwa usia, Jenis kelamin, indeks massa tubuh, status hipertensi, status diabetes melitus secara signifikan mempengaruhi kematian jemaah haji akibat penyakit kardiovaskular, sedangkan status merokok dan pendidikan tidak memiliki pengaruh yang signifikan.

---

Hajj is a pilgrimage carried out by Muslims worldwide at a specified time and place. In 2023, a total of 1,845,045 people from various countries participated in this pilgrimage, including 211,386 pilgrims from Indonesia. Most of the activities during Hajj are physical, coupled with external stressors such as hot weather and intense sunlight, making health a critical factor for the smooth conduct of the pilgrimage. The health criteria for pilgrims are determined based on health feasibility (istithaah kesehatan). In 2023, there was a significant increase in the mortality rate of pilgrims compared to previous years, reaching 774 people, with 43% of these deaths (336 individuals) caused by cardiovascular diseases. Therefore, a cross-sectional study was conducted using secondary data from the Integrated Hajj Health Computerization System (SISKOHATKES) to determine the influence of risk factors on the mortality of Indonesian Hajj pilgrims due to cardiovascular diseases. The results of the multiple logistic regression analysis showed that age, gender, body mass index, hypertension status, and diabetes mellitus status significantly affected the mortality of pilgrims due to cardiovascular diseases, while smoking status and education level did not have a significant influence."