Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kanker menjadi penyebab utama kematian global yang menyebabkan hampir 10 juta kematian atau hampir seperenam kasus kematian pada tahun 2020. Tindakan pencegahan primer yang efektif dapat mencegah setidaknya 40% kasus kanker. Tingkat kematian akibat kanker di negara berkembang lebih tinggi dibandingkan dengan negara maju, mencerminkan kesenjangan dalam menangani faktor risiko, keberhasilan deteksi, dan pengobatan. Wanita di negara berkembang paling sering menderita kanker serviks. Masyarakat terutama wanita memerlukan pengetahuan mengenai faktor risiko kanker serviks. Salah satu solusi potensial untuk masalah ini peran machine learning dalam mempelajari data pasien kanker serviks. Penelitian ini menggunakan algoritma clustering K-Prototypes, yang dapat mengelompokkan data campuran, baik numerik maupun kategorik. Data faktor risiko kanker serviks dari pasien di RSUPN X digunakan dalam penelitian ini. Seleksi fitur dilakukan untuk meningkatkan kinerja algoritma KPrototypes, dengan membandingkan seleksi fitur menggunakan Variance Threshold dan Correlation Coefficient. Kinerja algoritma K-Prototypes terbaik didapatkan dengan menggunakan Correlation Coefficient yang ditinjau berdasarkan Silhouette Coefficient sebesar 0,6; Davies-Bouldin Index sebesar 0,6; dan Callinzki-Harabasz Index sebesar 1.080. Interpretasi cluster yang terbentuk dari simulasi menghasilkan perbedaan utama karakteristik faktor risiko dari dua cluster, yaitu umur, menopause, dan kondisi kesehatan seperti keputihan, pendarahan, nyeri perut bawah, dan penurunan nafsu makan. Sementara, faktor terkait riwayat terdahulu, kesehatan reproduksi, dan masalah gizi tidak menunjukkan perbedaan yang signifikan. Algoritma K-Prototypes diharapkan dapat menjadi solusi dalam mengidentifikasi kelompok berdasarkan faktor risiko kanker serviks untuk membantu tenaga medis dalam mengambil keputusan dan tindakan selanjutnya, serta pengetahuan bagi masyarakat.

---

Cancer is a leading cause of death worldwide, resulting in nearly 10 million deaths, or almost one-sixth of all deaths, in 2020. Effective primary prevention measures can prevent at least 40% of cancer cases. Cancer mortality rates are higher in developing countries compared to developed countries, reflecting disparities in addressing risk factors, detection success, and available treatments. Women in developing countries most frequently suffer from cervical cancer. It is crucial for communities, especially women, to have knowledge about the risk factors for cervical cancer. One potential solution to this issue is the role of machine learning in analyzing cervical cancer patient data. This study uses the K-Prototypes clustering algorithm, which can cluster mixed data, both numerical and categorical. Cervical cancer risk factor data from patients at X National General Hospital were used in this research. Feature selection was performed to improve the performance of the K-Prototypes algorithm, comparing feature selection using Variance Threshold and Correlation Coefficient. The best performance of the K-Prototypes algorithm was obtained using the Correlation Coefficient, as reviewed based on a Silhouette Coefficient of 0,6; a Davies-Bouldin Index of 0,6; and a Callinzki-Harabasz Index of 1.080. Interpretation of the clusters formed from the simulation revealed major differences in the characteristics of risk factors between two clusters, namely age, menopause, and health conditions such as leukorrhea, bleeding, lower abdominal pain, and loss of appetite. Meanwhile, factors related to previous history, reproductive health, and nutritional issues did not show significant differences. The K-Prototypes algorithm is expected to be a solution in identifying groups based on cervical cancer risk factors to assist medical professionals in decision-making and subsequent actions, as well as to provide knowledge to the public."

"Telemedicine merupakan solusi ideal untuk menjadi layanan kesehatan di era COVID-19. Halodoc merupakan salah satu aplikasi telemedicine terbaik di Indonesia. Sejak tahun 2022, Halodoc sudah mempunyai lebih dari 15.000.000 pengguna sehingga perlu mengganti fokus bisnisnya dari product oriented menjadi customer oriented. Halodoc perlu melakukan analisis customer segmentation untuk mengetahui karakteristik pengguna lebih dalam. Analisis ini menggunakan salah satu teknik data mining yaitu clustering menggunakan algoritma K-Prototypes. Atribut penggunaan voucher, total transaksi, kategori produk, spesialis dokter, provider asuransi, kelompok usia, merek handphone, dan lokasi digunakan pada penelitian ini. Pengguna Halodoc yang melakukan transaksi minimal 1 kali selama November 2021 hingga Januari 2022 yang berjumlah 193.000 pengguna akan disegmentasi. Hasilnya adalah pengguna Halodoc dapat disegmentasi menjadi 4 status sosial yaitu working class, petty bourgeoise, middle class, dan high class. Status sosial yang memiliki ukuran terbesar adalah middle class yaitu dengan proporsi 46,69% dari keseluruhan pengguna. Pengguna yang paling potensial untuk Halodoc adalah yang berasal dari status sosial High Class karena memiliki frekuensi transaksi terbanyak dan nominal pengeluaran terbesar.

---

Telemedicine is the ideal solution to become a healthcare service in COVID-19 era. Halodoc is one of the best telemedicine applications in Indonesia. Since 2022, Halodoc has more than 15.000.000 users, so they need to change its business focus from product oriented to customer oriented. Halodoc needs to do customer segmentation analysis to find out more about user’s characteristics. This analysis uses one of data mining techniques which is K-Prototypes Clustering. Voucher usage, total transaction, doctor specialist, insurance provider, age group, mobile phones’s brand, and location are used in this study. Halodoc’s users who make transactions at least 1 time during November 2021 to January total 193.000 users will be segmented. The results is Halodoc’s users can be segmented into 4 social classes such as working class, petty bourgeoise, middle class, and high class. Social status that has the largest size is the middle class with the proportion of 46.69% of the total users. The most potential users for Halodoc are those from High Class social status because they have the highest transaction frequency and the largest nominal spending."

"Kualitas hidup adalah suatu payung yang melingkupi variasi konsep fungsional, status kesehatan, persepsi, kondisi kehidupan, gaya hidup, dan kebahagiaan. Indikator dalam mengukur kualitas hidup terbagi menjadi dua, yakni indikator subjektif dan indikator objektif. Indikator subjektif berkaitan langsung dengan berbagai pengalaman yang seseorang alami dalam hidupnya. Di sisi lain, indikator objektif dikaitkan dengan wujud kepemilikan berbagai material atau faktor eksternal yang mempengaruhi berbagai pengalaman seseorang dalam menjalani kehidupannya. Pada penelitian ini, indikator objektif dipilih sebagai alat ukur kualitas hidup yang mencakup karakteristik sosial, ekonomi, kesehatan, dan lingkungan. Data yang digunakan dalam penelitian terdiri dari dua jenis data, yakni data numerik dan kategorik. Data yang digunakan merupakan data sekunder berisikan indikator objektif kualitas hidup di 82 negara pada tahun 2020. Adapun metode yang digunakan adalah algoritma K-prototypes dan Two Step Cluster (TSC) yang merupakan bagian dari metode pengelompokan nonhierarki dan hierarki serta dapat menangani data bertipe campuran (numerik dan kategorik). Hasil dari penelitian ini menunjukkan bahwa algoritma K-prototypes merupakan metode yang memberikan hasil lebih baik dalam mengelompokkan data penelitian dibandingkan algoritma TSC dengan nilai koefisien Silhouette sebesar 0,577, yang bermakna bahwa kelompok yang terbentuk telah memiliki struktur yang baik. Kelompok optimal yang terbentuk adalah sebanyak 2 kelompok yang disusun oleh 40 negara pada Kelompok 1 dan 42 negara pada Kelompok 2. Kelompok 2 cenderung memiliki profil kualitas hidup yang lebih baik dibandingkan Kelompok 1.

---

Quality of life is a phrase that covers a variety of functional concepts, health status, perception, living conditions, lifestyle, and happiness. Indicators in measuring quality of life are divided into two, namely subjective indicators and objective indicators. Subjective indicators are measured based on various experiences that people went through in life. On the other hand, objective indicators are measured based on various materials or external factors that affect a person's experiences in everyday life. In this study, objective indicators were chosen as quality measurement tools based on social, economic, health, and environmental characteristics. The data used in the study consisted of two types of data, namely numerical and categorical data. The data is secondary data containing objective indicators of quality of life in 82 countries in 2020. The method used in this research is the K-prototypes and Two Step Cluster (TSC) algorithm which is part of the non-hierarchical and hierarchical grouping method and can handle mixed-type data. The results of this study indicate that the K-prototypes algorithm is a method that gives better results than the TSC algorithm with a silhouette coefficient value of 0.577, which means that the formed group already has a good structure. The optimal groups formed are 2 groups composed of 40 countries in Group 1 and 42 countries in Group 2. Group 2 tends to have a better quality of life profile than Group 1."

"

Penelitian ini bertujuan untuk melakukan pengelompokan varian virus SARS-CoV-2 melalui proses clustering menggunakan metode unsupervised learning. Data yang digunakan adalah sekuens protein SARS-CoV-2 yang diekstraksi fiturnya menggunakan paket Discere dalam bahasa pemrograman Python. Sebanyak 27 fitur dihasilkan dan diseleksi dengan metode seleksi fitur Least Absolute Shrinkage and Selection Operator (LASSO). Metode Elbow digunakan untuk menentukan jumlah cluster yang optimal. Dalam penelitian ini, digunakan metode clustering K-Means dan Balanced Iterative Reducing and Clustering using Hierarchies (BIRCH). Evaluasi hasil clustering dilakukan menggunakan metrik evaluasi Silhouette Score dan Davies-Bouldin Index, serta memperhatikan waktu runtime untuk setiap simulasi. Hasil evaluasi kemudian dibandingkan untuk melihat perbedaan performa antara kedua metode clustering yang digunakan, serta pengaruh seleksi fitur terhadap performa clustering. Hasil terbaik diperoleh pada simulasi dengan metode clustering BIRCH + LASSO, dengan nilai Silhouette Score 0,74186 untuk jumlah cluster k=4 dan 0,73207 untuk k=5. Nilai Davies-Bouldin Index terbaik juga diperoleh pada simulasi tersebut, yaitu 0,42697 untuk k=4 dan 0,37949 untuk k=5. Waktu runtime terbaik tercatat pada simulasi dengan metode K-Means + LASSO, yaitu 0,21551 detik untuk k=4 dan 0,17539 detik untuk k=5. Dapat disimpulkan bahwa metode BIRCH menghasilkan cluster yang lebih baik berdasarkan metrik evaluasi, namun K-Means memberikan proses clustering yang lebih cepat. Seleksi fitur dengan metode LASSO juga membantu meningkatkan performa clustering.

---

This study aims to perform clustering of SARS-CoV-2 virus variants using unsupervised learning methods. The data used consists of SARS-CoV-2 protein sequences whose features are extracted using the Discere package in the Python programming language. A total of 27 features are generated and selected using the Least Absolute Shrinkage and Selection Operator (LASSO) feature selection method. The Elbow method is employed to determine the optimal number of clusters for the clustering process. The clustering methods used in this research are K-Means clustering and Balanced Iterative Reducing and Clustering using Hierarchies (BIRCH). The clustering results are evaluated using the Silhouette Score and Davies-Bouldin Index metrics, while also considering the runtime for each simulation. The evaluation results are then compared to examine the performance differences between the two clustering methods and the impact of feature selection on clustering performance. The best Silhouette Score is obtained in the simulation using the BIRCH + LASSO clustering method, with a value of 0.74186 for k=4 and 0.73207 for k=5. The best Davies-Bouldin Index is also achieved in the same simulation, with values of 0.42697 for k=4 and 0.37949 for k=5. The fastest runtime is recorded in the simulation using the K-Means + LASSO method, with a time of 0.21551 seconds for k=4 and 0.17539 seconds for k=5. In conclusion, the BIRCH method yields better clustering results based on the evaluation metrics, while K-Means provides faster clustering processes. The LASSO feature selection method also aids in improving clustering performance.

"

"ABSTRAKKanker serviks merupakan salah satu jenis kanker yang berbahaya. Berdasarkan data dari Departemen Kesehatan Republik Indonesia Depkes RI , kanker serviks merupakan salah satu penyakit kanker dengan prevelensi tertinggi sebesar 0.8 di Indonesia. Maka dari itu diperlukan tindakan pendeteksian dini dengan menggunakan microarray dataset. Microarray dataset mempunyai jumlah fitur yang banyak tetapi tidak semua fitur yang ada relevan dengan data yang digunakan. Oleh karena itu, perlu dilakukan pemilihan fitur untuk meningkatkan akurasi. Pemilihan fitur yang digunakan adalah Artificial Bee Colony ABC . Setelah dilakukan pemilihan fitur, akan dilakukan klasifikasi menggunakan metode klasifikasi Na ve Bayes. Hasilnya, didapatkan akurasi terbaik klasifikasi Na ve Bayes tanpa pemilihan fitur adalah 60 pada saat data training 90 dan untuk klasifikasi Na ve Bayes dengan menggunkan pemilihan fitur Artificial Bee Colony didapatkan akurasi tertinggi adalah 93.33333 . dengan fitur sebanyak 50 dan data training 90 .

---

ABSTRACTCervical cancer is one of the most dangerous cancer. Based on data from Departemen Kesehatan Republik Indonesia Depkes RI , cervical cancer is one of the diseases with the highest prevalence of 0.8 in Indonesia. Therefore, early detection action is needed with using microarray dataset. Microarray datasets have a large number of features but not all features are relevant to the data is used. Therefore, feature selection is needed to improve the accuracy. The feature selection that used is Artificial Bee Colony ABC . After feature selection process is done, Naive Bayes classification method will be implemented for classification process. As a result, the best accuracy of Na ve Bayes classification without feature selection is 60 with 90 training data and for Na ve Bayes classification using Artificial Bee Colony feature selection is 93.33333 with using 50 features selection and 90 training data."

"Clustering bertujuan untuk mengklasifikasikan pola yang berbeda ke dalam kelompok yang disebut cluster. Analisis gen dengan menggunakan metode clustering dinilai lebih akurat dibandingkan analisis nukleotida menggunakan penyejajaran DNA. Hybrid clustering pada tesis ini mengkombinasikan algoritma fuzzy c-means dan algoritma divisive mampu meningkatkan keakurasian jika dibandingkan pendekatan pengelompokan partitional tradisional. Algoritma divisive akan dijalankan pada step kedua setelah hasil clustering yang diperoleh dari pengelompokan partisi fuzzy c-means. Penentuan jumlah cluster terbaik ditentukan dari nilai Indeks Davies Bauldin yang paling minimum. Sebanyak 1252 barisan DNA HPV Human papillomavirus diperoleh dari Genbank NCBI dengan proses melakukan ekstraksi ciri DNA, selanjutnya dilakukan normalisasi. Proses ekstraksi ciri, normalisasi, dan penerapan algoritma partisi fuzzy c-means dan divisive dalam metode hybrid clustering menggunakan bantuan program open source. Pada hasil hybrid clustering level awal diperoleh jumlah cluster optimum sebanyak 3 cluster dengan nilai Indeks Davies Bouldin paling minimum adalah 0.9715919. Pada level ke-2 clustering didapatkan cluster ke-1 terbagi atas 9 sub cluster dengan nilai IDB minimum adalah 0.8909797. Cluster ke-2 terbagi atas 2 sub cluster dengan nilai IDB minimum adalah 0.7650508. Cluster 3 terbagi atas 2 sub cluster dengan nilai IDB minimum adalah 0.9112528. Nilai IDB pada level kedua selalu lebih kecil dibanding nilai IDB pada level 1. Hal ini mengindikasikan bahwa hybrid clustering memberikan hasil yang lebih baik terhadap hasil clustering.

---

Clustering aims to classify the different patterns into groups called clusters. Analysis gene by using clustering method is considered more accurate than analysis of nucleotide using DNA alignment. In this thesis, hybrid clustering algorithm which combines fuzzy c means and algorithm divisive will be improve accuracy when compared to partitional clustering. Divisive algorithms will applied on second level after clustering partition using fuzzy c means.

To find the best number of clusters is determined using the minimum value of Davies Bouldin Index DBI of the cluster results. The data is 1252 sequences of HPV DNA sequences obtained from Gen Bank Database in the National Centre for Biotechnology Information NCBI at http www.ncbi.nlm.nih.gov in FASTA format. The data is converted into numerical form through feature extraction using n mers frequency.

The results on first level hybrid clustering obtained the optimum cluster divided into three clusters with the value of the minimum Davies Bouldin Index is 0.9715919. Morever, DBI values after implementing the second step of clustering are always producing smaller IDB values compare to the results of using first step clustering only. This condition indicates that the hybrid approach in this study produce better performance of the cluster results, in term its DBI values."

"Tujuan: Mengetahui keselarasan dalam delineasi brakiterapi 3D dan mencari tahu apakah gambaran delineasi dari rekomendasi delineasi brakiterapi 3D oleh IBS-GEC ESTRO-ABS 2021 dapat menjadi model prediksi respon terapi pada pasien kanker serviks yang menjalani brakiterapi 3D dengan modalitas CT scan serta mendapatkan cutoff volume HRCTV yang menjadi indikasi pemberian tambahan interstitial pada brakiterapi intrakaviter. Metodologi: Penelitian merupakan studi case control. Melakukan delineasi ulang HRCTV dengan rekomendasi IBS-GEC ESTRO-ABS 2021 pada 130 pasien kanker serviks yang mendapat brakiterapi 3D di RSUPN Cipto Mangunkusumo tahun 2018-2020 lalu dilakukan penghitungan DSC serta analisis variabel pada respon terapi dan cut-off volume HRCTV. Hasil: Delineasi pada 374 fraksi brakiterapi 3D mendapatkan rerata nilai kemiripan/ DSC 74%. Adanya perbedaan volume HRCTV antar kelompok respon terjadi pada kelompok DSC ≥ 80% (p=0.0129). Tidak terdapat perbedaan volume & dosis D90 HRCTV lama pada pada kelompok respon komplit dengan respon tidak komplit (p=0.075 & p=0.22) sedangkan terdapat perbedaan bermakna pada HRCTV rekomendasi (p=0.0068 & p=0.0403). Analisis multivariat mendapatkan histologi, kemoradiasi dan kriteria brakiterapi menjadi prediktor independen yang mempengaruhi respon terapi (p=0.03, p=0.043 & p=0.000). Cut-off HRCTV diambil dari HRCTV lama pada kelompok DSC ≥ 80% mendapatkan HRCTV 43.29 cc dengan sensitivitas 100% dan spesifisitas 77%. Kesimpulan: Delineasi yang dilakukan dengan nilai kemiripan (DSC) minimal 80% dengan delineasi rekomendasi IBS-GEC ESTRO-ABS 2021 dapat memberikan gambaran perbedaan volume antar kelompok respon terapi yang sejalan dengan penelitian yang sudah ada dan dengan menggunakan pemetaan delineasi rekomendasi dapat ditemukan cut-off volume HRCTV 43.29 cc sebagai batas volume indikasi penambahan interstitial pada brakiterapi intrakaviter sehingga volume pada HRCTV yang besar bisa mendapatkan sebaran dosis yang lebih dan dengan total dosis lebih tinggi tanpa meningkatkan toksisitas OAR.

---

Aims: To find out the alignment in the delineation of 3D brachytherapy and whether the delineation of the recommended 3D brachytherapy by IBS-GEC ESTRO-ABS 2021 can be a predictive model of therapy response in cervical cancer patients undergoing 3D brachytherapy with CT scan modalities and get a cut-off HRCTV volume which is an indication for interstitial adjunct in intracavitary brachytherapy.

Methodology: This is a case-control study. Re-delineating HRCTV with IBS-GEC ESTRO-ABS 2021 recommendations on 130 cervical cancer patients who received 3D brachytherapy at Cipto Mangunkusumo Hospital in 2018-2020 and then carried out DSC calculations and analysis of variables on therapy response and cut-off volume of HRCTV.

Results: Delineation of 374 3D brachytherapy fractions obtained an average similarity value/DSC of 74%. The difference in HRCTV volume between response groups occurred in the DSC group at 80% (p=0.0129). There was no difference in volume & dose of old D90 HRCTV in the complete response group with incomplete response (p = 0.075 & p = 0.22) while there was a significant difference in the recommended HRCTV (p = 0.0068 & p = 0.0403). Multivariate analysis found that histology, chemoradiation, and brachytherapy criteria were independent predictors that affected the response to therapy (p=0.03, p=0.043 & p=0.000). The cut-off of HRCTV was taken from the old HRCTV in the DSC group at 80% and got 43.29 cc of HRCTV with a sensitivity of 100% and a specificity of 77%.

Conclusion: The delineation carried out with a similarity value (DSC) of at least 80% with the IBS-GEC ESTRO-ABS 2021 recommendation can provide an overview of the difference in volume between therapy response groups which is in line with existing research and by using the recommendation delineation mapping can be found cut-off off the volume of 43.29 cc HRCTV as a volume limit indication of interstitial addition to intracavitary brachytherapy so that large volumes of HRCTV can get more dose distribution and with a higher total dose without increasing OAR toxicity."

"Kanker serviks merupakan kanker yang menduduki urutan pertama dari kejadian kanker ginekologi perempuan. Kanker serviks merupakan kanker kedua paling banyak pada wanita yang tinggal di negara yang tertinggal dengan perkiraan 570.000 kasus baru pada tahun 2018. Kanker serviks sangat mempengaruhi kualitas hidup penderita dan keluarganya serta beban pembiayaan kesehatan oleh pemerintah. Masih tingginya kejadian kanker serviks bisa disebabkan karena faktor risiko yang belum tertangani secara baik di masyarakat. Penelitian ini dilakukan dengan metode kuantitatif dan menggunakan disain studi case control. Sumber data yang digunakan adalah data primer. Terdapat sebanyak 166 sampel yang terdiri dari 83 kasus dan 83 kontrol sesuai dengan kriteria inklusi dan eksklusi. Berdasarkan hasil analisis terdapat hubungan yang signifikan antara usia pertama kontak seksual dengan kejadian kanker serviks dengan nilai odds ratio sebesar 3,20 (p value: 0,001.; 95% CI: 1,626-6,299). Selain itu faktor risko lain seperti jumlah pasangan (OR=4,91; p value: 0,000; 95% CI: 1,884-12,845), paritas (OR=2,84; p value: 0,001; 95% CI: 1,510-5,357), pil oral kontrasepsi (OR=2,74; p value: 0,002.; 95% CI: 1,452-5,197) juga berhubungan secara signifikan dengan kejadian kanker serviks. Terdapat beberapa faktor risiko yang tidak berhubungan secara statistik antara lain merokok (OR=2,23; p value: 0,075; 95% CI: 0,910-5,564), personal hygiene (OR=1,48; p value: 0,212; 95% CI: 0,799-2,727) dan status gizi (OR=1,18; p value: 0,755; 95% CI: 0,356-4,150). Penting untuk membuat berbagai program promosi kesehatan dengan kegiatan sosialisasi dan KIE terkait faktor risiko kejadian kanker serviks.

---

Cervical cancer is the most common type of gynecologic cancer in women. In the least developed countries, cervical cancer is the second most common type of cancer with 570.000 new cases in 2018 . Cervical cancer significantly influences patients’ quality of life and places a financial burden on the government. The high number of cervical cancer cases can be due to poor management of its risk factor in society. This is a quantitative case-control study using primary data. A total of 166 samples are gathered based on inclusion and exclusion criteria. These samples were then divided equally into the control and case groups, making each group have 83 subjects. Based on data analysis, there is a significant relationship between the age of first sexual intercourse and cervical cancer with an odds ratio of 3,20 (p-value: 0,001.; 95% CI: 1,626-6,299). Moreover, other risk factors such as the number of sexual partners (OR=4,91; p-value: 0,000; 95% CI: 1,884-12,845), parity (OR=2,84; p-value: 0,001; 95% CI: 1,510-5,357), usage of oral contraception (OR=2,74; p-value: 0,002.; 95% CI: 1,452-5,197) also play a significant part in the occurrence of cervical cancer. On the other hand, some risk factors does not correlate with cervical cancer statistically, including smoking (OR=2,23; p-value: 0,075; 95% CI: 0,910-5,564), personal hygiene (OR=1,48; p-value: 0,212; 95% CI: 0,799-2,727) and nutritional status (OR=1,18; p-value: 0,755; 95% CI: 0,356- 4,150). It is important to develop various health promotion programs including social activities and counseling about risk factors of cervical cancer."

"Pendahuluan: Kanker serviks stadium IVB terdiri dari 2% kasus kanker serviks diseluruh dunia. Berdasarkan panduan yang ada, tatalaksana kanker serviks IVB bersifat paliatif. Radioterapi lokoregional dosis lengkap menjadi salah satu modalitas yang mungkin berperan dalam tatalaksana kanker serviks IVB. Sintasan keseluruhan kanker serviks IVB adalah 18% dalam 5 tahun. Sintasan keseluruhan dipengaruhi berbagai faktor prognostik. Studi ini menilai peran radioterapi lokoregional dosis lengkap pada kasus kanker serviks IVB dilihat dari sintasan keseluruhan dibandingkan dengan terapi lain sesuai pedoman, serta faktor prognostik untuk sintasan keseluruhan dari kanker serviks IVB. Metode: Studi ini menggunakan desain kohort retrospektif pada pasien kanker serviks IVB di Instalasi Pelayanan Terpadu Onkologi Radiasi (IPTOR) RSUPN Dr. Cipto Mangunkusumo Jakarta (RSCM) pada tahun 2017 hingga yang menyelesaikan terapi pada April 2022. Analisis data menggunakan SPSS versi 27 dan Microsoft Excel. Faktor prognostik dinilai dengan uji multivariat cox-regression, sedangkan peran radioterapi lokoregional dosis lengkap dinilai dengan uji log-rank dan grafik Kaplan-meier. Dilakukan analisis subgrup pada pasien yang dilakukan radioterapi lokoregional untuk menilai peran brakiterapi dan kemoterapi konkuren. Studi ini sudah memperoleh persetujuan dari Komisi Etik Penelitian Kesehatan RSCM. Hasil: Terdapat 23 pasien pada lengan radioterapi dosis lengkap dan 52 pasien yang diberikan terapi lain. Radioterapi lokoregional dosis lengkap meningkatkan median sintasan keseluruhan hingga 15 bulan (22 vs 7 bulan, p=0.001), begitu juga dengan kemoterapi dosis penuh yaitu 14 bulan (22 vs 8 bulan, p=0.033). Brakiterapi dapat meningkatkan sintasan keseluruhan hingga 15 bulan (p=0.004). Radioterapi dosis lengkap (HR=0.24, p<0.001, 95%CI 0.11-0.55), kemoterapi dosis penuh (HR=0.13, p<0.050, 95%CI 0.02-1.00), dan hemoglobin <11g/dL (HR=2.44, p=0.022, 95%CI 1.14-5.21) merupakan faktor prognostik terhadap sintasan keseluruhan pada pasien kanker serviks IVB. Kesimpulan: Studi ini merupakan studi pertama di Indonesia yang membahas keluaran radioterapi lokoregional dosis lengkap pada sintasan keseluruhan pasien kanker serviks IVB. Radioterapi lokoregional dosis lengkap dengan brakiterapi (dilanjutkan dengan kemoterapi dosis penuh) dapat meningkatkan sintasan keseluruhan dan dapat menjadi salah.

---

Introduction: Stage IVB (metastatic) cervical cancer comprises 2% of cervical cancer cases worldwide. Based on existing guidelines, the principal intent for stage IVB cervical cancer is palliative therapy. Complete dose locoregional radiotherapy is one of the modalities that may play a role in metastatic cervical cancer management. The 5-year overall survival of stage IVB cervical cancer is 18%. Various prognostic factors influenced overall survival. This study assessed the role of complete-dose locoregional radiotherapy in cases of metastatic cervical cancer in terms of overall survival compared to other therapies according to guidelines, as well as prognostic factors for overall survival of IVB cervical cancer. Methods: This study used a retrospective cohort design in IVB cervical cancer patients at the Instalasi Pelayanan Terpadu Onkologi Radiasi (IPTOR) RSUPN Dr. Cipto Mangunkusumo Jakarta (RSCM) in 2017 until completing therapy in April 2022. Data analysis was conducted using SPSS version 27 and Microsoft Excel. Cox-regression multivariate analysis is used to assess prognostic factors. The log-rank test and Kaplan-meier chart defined the role of complete-dose locoregional radiotherapy on overall survival. Subgroup analysis was performed on patients undergoing locoregional radiotherapy to assess the role of brachytherapy and concurrent chemotherapy. This study has received approval from the RSCM Health Research Ethics Commission. Results: 23 patients in the complete-dose radiotherapy arm & 52 others got other therapies. Complete-dose locoregional radiotherapy increased overall survival to 15 months (22 vs 7 months, p=0.001), as did full-dose chemotherapy, by 14 months (22 vs 8 months, p=0.033). Brachytherapy increased overall survival by up to 15 months (p=0.004). Complete-dose radiotherapy (HR=0.24, p<0.001, 95%CI 0.11-0.55), full-dose chemotherapy (HR=0.134, p<0.050, 95%CI 0.018-1.000), and hemoglobin <11g/dL (HR=2.44), p=0.022, 95%CI 1.14-5.21) are prognostic factors for overall survival in cervical cancer patients with IVB. Conclusion: This is the first study in Indonesia to discuss the outcome of complete-dose locoregional radiotherapy on the overall survival of IVB cervical cancer patients. Complete-dose locoregional radiotherapy with brachytherapy can improve overall survival. This therapy (followed by full-dose chemotherapy) can be considered as a new option for therapeutic modality for metastatic cervical cancer mangement."

"

Saat ini tidak ada keraguan bagi siswa-siswi sekolah menengah untuk melanjutkan pendidikannya ke jenjang universitas. Namun, transisi dari sekolah menengah ke pendidikan tinggi adalah tantangan besar bagi mahasiswa tahun pertama. Kinerja mahasiswa pada tahun pertama cenderung menentukan kinerja mahasiswa tersebut di tahun-tahun akademik berikutnya. Penting untuk mencari karakteristik-karakteristik mahasiswa berdasarkan kinerjanya pada awal tahun semester akademik, sehingga dapat dilakukan pendeteksian awal untuk mencegah penurunan kinerja dan meningkatkan prestasi akademik mahasiswa. Penelitian ini bertujuan untuk mengelompokkan 140 mahasiswa semester pertama. Fitur-fitur diseleksi menggunakan Chi-Square lalu digunakan Fuzzy C-Means clustering untuk mengelompokkan mahasiswa. Dari hasil simulasi, mahasiswa dikelompokkan ke dalam dua cluster dengan kinerja cluster kedua lebih baik dibanding kinerja cluster pertama.

---

Currently there is no doubt for high school students to continue their education at the university level. However, the transition from high school to university is a major challenge for the first-year students. Moreover, student performance during the first year tends to determine their performance in the following academic years. It is important to find student's characteristics based on their performance at the beginning of the academic semester so that early detection can be done to prevent performance degradation and increase student academic achievement. This study aims to cluster 140 first year students. Features are selected using the Chi-Square feature selection method and then using Fuzzy C-Means clustering to group the students. From simulation result, students are grouped into two clusters with the second cluster's performance is better than the first cluster's performance.

"