Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Dalam teori pengujian hipotesis Neyman-Pearson, keefisienan dari suatu uji hipotesis dinilai dari kekuatannya (power) dalam menolak hipotesis null (H0 ). Untuk mendapatkan bentuk power function dari pengujian perlu diketahui bentuk distribusi statistik uji di bawah hipotesis alternatif H1. Dalam uji chi square goodness of fit, bentuk distribusi statistik uji di bawah hipotesis alternatif H1 adalah distribusi noncentral chi square. Setelah power function dari uji chi square goodness of fit diperoleh maka nilai power untuk setiap nilai hipotesis H1 dapat ditentukan.

Power dari suatu uji hipotesis tergantung dari tiga buah faktor, yaitu : tingkat signfikansi alpha, ukuran sampel, dan besar efek (effect size). Analisis power mempelajari hubungan di antara faktor-faktor tersebut dengan tujuan untuk mendapatkan suatu keseimbangan yang tepat di dalam sebuah pengujian hipotesis.

Melalui suatu analisis power dalam sebuah pengujian hipotesis maka seorang penguji dapat menyusun suatu bentuk rancangan pengujian yang efektif dan efisien melalui pemilihan spesifikasi pengujian yang optimal. Kata Kunci : distribusi chi square; distribusi noncentral chi square; effect size; parameter noncentral; power; power function; transformasi ortogonal; uji chi square goodness of fit.

Abstrak :
Latar Belakang: Komplikasi pascaoperasi rentan terjadi pada populasi berisiko tinggi salah satunya adalah populasi yang menjalani operasi mayor. Infeksi daerah operasi (IDO) adalah salah satu komplikasi pascaoperasi yang sering ditemukan pada prosedur laparotomi. Pasien yang menjalani operasi akan mengalami respons stres pascaoperasi berupa peningkatan proses inflamasi yang berdampak pada peningkatan proteolisis protein otot. Sangat penting memerhatikan asupan protein praoperasi untuk meningkatkan cadangan protein otot, mendukung penyembuhan luka pascaoperasi dan imunitas. Penelitian terdahulu menjelaskan bahwa peningkatan asupan protein praoperasi sebesar 10% (> 1,2 g/kg BB/hari) dari kebutuhan dapat mengurangi risiko komplikasi (infeksi, non-infeksi dan dekubitus) sebesar 10%. Metode: Studi kohort prospektif dilakukan pada 93 pasien dengan kelompok cukup protein sebanyak 48 subjek dan kelompok tidak cukup protein sebanyak 45 subjek yang akan menjalani laparotomi elektif di RSUPN Dr. Cipto Mangunkusumo, Jakarta. Analisis kecukupan protein dilakukan dengan metode wawancara selama 7 hari praoperasi. Pemantauan pasien dilakukan selama 30 hari pascaoperasi untuk menilai adanya komplikasi berupa IDO. Analisis hubungan keduanya dilakuan menggunakan uji Chi-Square dan dilakukan analisis multivariat untuk menilai faktor-faktor yang paling berhubungan dengan kejadian IDO pascalaparotomi elektif. Hasil: Terdapat hubungan antara kecukupan protein praoperasi dengan kejadian infeksi daerah operasi pascalaparotomi elektif (RR 3,413; IK 95%, 1,363-8,549; p = 0,004). Hasil analisis multivariat menunjukan kecukupan protein praoperasi dan kadar albumin praoperasi berhubungan kuat untuk memprediksi terjadinya infeksi daerah operasi pascalaparotomi elektif. Kesimpulan: Kecukupan protein dan kadar albumin praoperasi dapat memprediksi kejadian infeksi daerah operasi pascalaparotomi elektif. ......Background: Postoperative complications are prone to occur in high-risk populations, one of which is the population undergoing major surgery. Surgical site infection (SSI) is one of the most common postoperative complications in laparotomy procedures. Patients who undergo surgery will experience a postoperative stress response in the form of an increase in the inflammatory process which results in an increase in muscle protein proteolysis. It is very important to focus on preoperative protein intake to increase muscle protein reserves, support postoperative wound healing and immunity. Previous research explained that the increment of preoperative protein by 10% (> 1.2 g/kg BW/day) can reduce the risk of complications (infectious, non-infectious and decubitus) by 10%. Methods: A prospective cohort study was conducted on 93 patients with sufficient protein group of 48 subjects and protein insufficient group of 45 subjects undergoing elective laparotomy at Dr. Cipto Mangunkusumo Hospital, Jakarta. Analysis of protein adequacy was carried out by interview method for 7 days preoperatively. Patient monitoring was carried out for 30 days postoperatively to assess complications in the form of SSI. Analysis of association between protein adequacy and SSI was carried out by using the Chi-Square test and multivariate analysis was performed to assess the most associated factors with post elective laparotomy SSI. Results: There is a association between preoperative protein adequacy and the incidence of post elective laparotomy SSI (RR 3,413; 95% CI, 1,363-8,549; p = 0,004). The multivariate analysis showed that preoperative protein adequacy and preoperative albumin levels were strongly related to predict the occurrence of post elective laparotomy SSI. Conclusion: Preoperative protein adequacy and albumin levels were strongly related to predict post elective laparotomy SSI.

Abstrak :
Telah dilakukan penelitian mengenai pola pewarisan warna bunga Zinnia elegans pada kelompok white dan red purple. Penelitian bertujuan untuk mengetahui warna bunga Z. elegans yang muncul dari parental berwarna putih (white group) dan pink keunguan (red purple group), sekaligus mengetahui pola pewarisan warna bunga Z. elegans yang tumbuh di alam. Penelitian dilakukan selama ±6 bulan dari bulan Januari sampai Juni 2020 menggunakan lima bunga, terdiri atas 2 set dari kelompok white (F0) dan 2set dari kelompok red purple (F0), dan 1 set dari kelompok red purple (F1) yang dijadikan sebagai parental. Hasil penelitian menunjukkan bahwa sifat warna bunga dari masing-masing parental diturunkan pada keturunannya. Warna baru dihasilkan dari set 1 kelompok white red purple. Warna bunga pada Zinnia elegans dapat dikelompokkan menjadi kelompok red, red purple, orange, yellow, dan white. Berdasarkan daftar warna (colour chart), masing-masing kelompok warna bunga memiliki intensitas warna yang beragam. Warna bunga yang dihasilkan dari kelompok pink keunguan lebih beragam daripada kelompok putih. Berdasarkan perhitungan chi-square, sebagian besar pola pewarisan Z. elegans yang dibiarkan tumbuh di alam mengikuti pola pewarisan dengan Z. elegans yang disilangkan oleh manusia, dan memiliki pola pewarisan yang berbeda dengan Z. elegans yang telah dimutasi. ......Research on the inheritance pattern of Zinnia elegans from white and red-purple groups has been carried out. This research studies the color of Z. elegans flowers produced from white and red-purple flowers, while knowing the inheritance pattern of Z. elegans flowers in nature. This research was conducted for about six months from January to June 2020 and used four flowers, consisting of 2 sets of white groups (F0), two sets of red-purple groups (F0), and one set of red-purple groups (F1) to be used as parental. The results show the color nature of each parent produced in their generation. New colors are produced from set 1 of the white and red-purple group. The color of flowers in Z. elegans can be grouped into red, red-purple, orange, yellow, and white. Based on the color chart, each flower color group has a variety of color intensities. The color of the flowers produced from the red-purple group is more diverse than the white group. Based on the Chi-square calculation, most of the inheritance patterns of Z. elegans that are allowed to grow in nature follow the pattern resulting from crossing by humans and have different inheritance patterns from Z. elegansobtained from mutation.

Abstrak :
Diabetes mellitus atau biasa disebut sebagai diabetes adalah penyakit metabolik yang disebabkan oleh penderita memiliki kadar gula darah yang tinggi dan organ pankreas tidak dapat memproduksi hormon insulin secara efektif. Diabetes dapat mengakibatkan penyakit yang lebih parah seperti kebutaan, gagal ginjal, dan penyakit jantung. Oleh karena itu, pendeteksian sejak dini dibutuhkan agar pasien dapat mencegah penyakitnya sebelum menjadi lebih parah. Karena data medis biasanya berukuran besar dan tidak berdistribusi normal, beberapa peneliti menggunakan metode klasifikasi untuk memprediksi gejala penyakit atau mendiagnosa penyakit. Pada penelitian ini, digunakan algoritma Learning Vector Quantization (LVQ) untuk klasifikasi data set diabetes dengan seleksi fitur Chi-Square. Pada penelitian ini digunakan dua data set diabetes yaitu data set I dengan 8 fitur dan data set II dengan 19 fitur. Hasil dari penelitian ini menunjukkan bahwa untuk data set dengan 8 fitur, akurasi dan performa model tertinggi diperoleh ketika data set mengandung hampir seluruh fiturnya yaitu 7 fitur dengan akurasi sebesar 76,55%. Sedangkan untuk data set dengan 19 fitur, akurasi dan performa model tertinggi diperoleh ketika data set telah melewati proses seleksi fitur dengan menggunakan metode Chi-Square yaitu pada model dengan 10 fitur dengan akurasi sebesar 78,96%. ......Diabetes mellitus or commonly referred as diabetes is a metabolic disorder caused by high blood sugar level and the pancreas that does not produce insulin effectively. Diabetes can lead to more relentless disease such as blindness, kidney failure, and heart attacks. Therefore, early detection is needed in order for the patients to prevent the disease for being more severe. According to the non-normality and huge size of data in medical field, some researchers use classification methods to predict symptoms or diagnose patients. In this study, Learning Vector Quantization (LVQ) is used to classify the diabetes data set with Chi-Square Feature Selection. This study adopted two kinds of diabetes data set which are, data set I that contains 8 features and data set II that contains 19 features. The result of the experience shows that for data set I, the highest accuracy and model performance is achieved when the model contains most of its features which is the model that contains 7 features with 76,55% of accuracy. Moreover, for data set II, the highest accuracy and model performance is achieved when the model contains features that has been selected with the Chi-Square feature selection which is the model with 10 features and the accuracy achieved is 78,96%.

Abstrak :
Chi-squared goodness of fit tests with applications provides a thorough and complete context for the theoretical basis and implementation of Pearson’s monumental contribution and its wide applicability for chi-squared goodness of fit tests. The book is ideal for researchers and scientists conducting statistical analysis in processing of experimental data as well as to students and practitioners with a good mathematical background who use statistical methods. The historical context, especially chapter 7, provides great insight into importance of this subject with an authoritative author team. This reference includes the most recent application developments in using these methods and models.

Abstrak :
ABSTRAK
Obstructive Sleep Apnea OSA merupakan penyakit gangguan napas saat tidur ditandai oleh penyumbatan sebagian atau seluruh saluran pernafasan yang menyebabkan henti napas minimal 10 detik saat tidur. Periode henti napas saat tidur menyebabkan tidak masuknya oksigen ke dalam tubuh yang memicu saraf simpatis lebih dominan dibandingkan saraf parasimpatis. Ketidakseimbangan antara persyarafan simpatis dan parasimpatis berpengaruh pada ketidakteraturan irama jantung yang dapat memicu terjadinya gangguan jantung yaitu Atrial Fibrillation AF. Penelitian ini bertujuan untuk mengetahui faktor yang memengaruhi AF pada pasien risiko OSA. Data yang digunakan dalam penelitian ini adalah data primer pasien risiko OSA di RSCM berdasarkan wawancara dengan kuesioner Berlin. Sampel dipilih menggunakan teknik non-probability sampling dengan metode purposive sampling. Ukuran sampel dalam penelitian ini sebanyak 145 pasien risiko OSA berdasarkan kuesioner Berlin. Jumlah pasien yang terdiagnosis AF sebanyak 45 pasien 31.04. Metode yang digunakan dalam penelitian ini adalah metode Chi-Square Automatic Interaction Detection CHAID untuk mengetahui faktor-faktor yang berpengaruh secara signifikan terhadap AF. Metode CHAID merupakan teknik analisis data kategorik dengan jumlah kategori di tiap variabel independen sebanyak dua atau lebih. Variabel dalam penelitian ini berbentuk kategorik dan jumlah kategori dalam variabel independen lebih dari dua buah kategori. Variabel dependen pada penelitian ini adalah AF, sedangkan variabel independen yaitu usia, jenis kelamin, Indeks Massa Tubuh IMT, lingkar pinggang, lingkar leher, tekanan darah, riwayat merokok, riwayat mengonsumsi minuman beralkohol, riwayat gagal jantung, riwayat penyakit jantung koroner, riwayat stroke. Hasil analisis menggunakan metode CHAID diperoleh bahwa faktor usia, tekanan darah, lingkar pinggang, dan lingkar leher dapat memengaruhi AF pada pasien risiko OSA. Tingkat ketepatan hasil klasifikasi secara keseluruhan dengan menggunakan metode CHAID sebesar 71.7.

---

ABSTRACT
Obstructive Sleep Apnea OSA is sleep breathing disorder disease characterized by blockage partial or complete the respiratory tract that causes stop breathing during sleep at least 10 seconds. A period of stopping breathing while sleeping causes lack of oxygen into the body that triggers the sympathetic nerves more dominant than the parasympathetic nerves. The imbalance between sympathetic nerve and parasympathetic nerve affecting irregularity of heart rhythm that can trigger an onset of heart disorders, namely Atrial Fibrillation AF. This study aims to determine the factors affecting AF in patients with risk of OSA. The data used in this study is primary data of patients with risk of OSA at RSCM based on interviews with the Berlin questionnaire. The sample is chosen by using a technique of non probability sampling with purposive sampling method. The sample size are 145 patients with risk of OSA based on the Berlin questionnaire. The number of patients diagnosed AF is 45 patients 31.03. The method used in this study is Chi Square Automatic Interaction Detection CHAID to determine which factors significantly affect AF. The CHAID method is a categorical data analysis technique which the number of categories in each independent variable is two or more. In this study, variables used are categorical and the number of categories in independent variables is more than two categories. Dependent variables in this study are AF, while independent variables are age, sex, body mass index BMI , waist circumference, neck circumference, blood pressure, smoking history, history of consuming alcoholic, history of heart failure, history of coronary heart disease, and history of stroke. The results of this study is age, blood pressure, waist circumference, and neck circumference significantly affect AF in patients with risk of OSA. In addition, the accuracy rate of the classification results using CHAID method is 71.7.

Abstrak :
Diabetes Melitus (DM) merupakan gangguan sistem metabolik akibat pankreas tidak memproduksi cukup insulin atau tubuh tidak mampu menggunakan insulin yang ada secara efektif. Menderita diabetes dalam jangka waktu panjang dapat mengakibatkan berbagai macam komplikasi salah satu di antaranya adalah Retinopati diabetik. Retinopati diabetik  adalah kelainan pada bagian mata yang disebabkan oleh adanya kerusakan dan penyumbatan pada pembuluh darah di bagian belakang mata (retina). Pada penelitian kali ini akan di gunakan data retinopati diabetik dengan menggunakan metode seleksi fitur Recursive Feature Elimination (RFE) dan Chi-Square dan akan di klasifikasi menggunakan Support Vector Machine.

---

Diabetic retinopathy is one of the complication of diabetes, which is an eye disease that can cause blindness. Its happen because of damage of retina as a result of the long illness of diabetic melitus. People usually do research using image data in diabetic patients. This paper present about diabetic retinopathy will extracting with feature selection. In this study, we use data diabetic patients who will be extracted with a feature selection method. Feature selection used in this study is Recursive Feature Elimination (RFE) and Chi-Square. For classification of diabetic retinopathy has been done by Support Vector Machine (SVM). From the experimental result with various tunning hyperparameters, the classification model can obtain the accuracy between 97%-100% for both methods.

Abstrak :

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.

Abstrak :
Masalah kesehatan adalah tantangan bagi seluruh negara, khususnya Indonesia. Ada juga penyakit yang butuh perhatian yaitu penyakit yang mengganggu kesehatan mental. Gangguan mental merupakan gangguan yang memengaruhi mental, perilaku, atau emosi dan efeknya beragam dari efek ringan, sedang, atau bahkan kerusakan parah. Salah satu rentang usia yang rentan terkena gangguan mental adalah usia 18 hingga 25 tahun, padahal rentang usia ini merupakan rentang usia produktif yang sebagian besar merupakan mahasiswa. Penelitian ini dilakukan untuk mengetahui faktor-faktor yang diduga memengaruhi kesehatan mental pada mahasiswa ini adalah jenis kelamin, tempat tinggal mahasiswa saat studi, status nikah orang tua, komunikasi dengan orang tua baik Ayah atau Ibu, ada masalah keluarga atau tidak, dan faktor lainnya seperti adanya teman bicara untuk membicarakan masalah-masalah pribadi, masalah pada studi, dan durasi penggunaan gadget. Metode yang digunakan untuk mencapai tujuan ini adalah two-step cluster, uji independensi Chi-square, dan regresi logistik. Berdasarkan gejala-gejala yang dialami oleh mahasiswa, tingkat kesehatan mental mahasiswa FMIPA UI ini dapat dikelompokkan menjadi dua kategori yang disebut tingkat kesehatan mental rendah dan tingkat kesehatan mental tinggi. Kemudian, faktor yang memengaruhi kesehatan mental mahasiswa FMIPA UI adalah tempat tinggal saat studi, komunikasi dengan ayah, masalah keluarga, teman bicara, masalah studi, dan durasi penggunaan gadget. ......Health problem is a challenge for all over the world especially Indonesia. There is another issue that need a lot attention which is mental health problem. Mental health problem or mental disorder is a problem that effect mental, behavior, or emotion and the effect is diverse from light, moderate, even severe damages. One of the most susceptible age range to acquire mental health problem is 18 until 25 years old, even though, 18 until 25 years old is productive age range with mostly being university students. This research done to find out which factors can affect mental health problem on college student such as gender, residency while studying, parents marital status, comunication with mother and father, family problem and other factors such as company to discuss about personal problem, study problem and the duration of using gadgets. The methods two-step cluster, Chi-square independence test, logistic regression are used to achieve the purpose of the research. According to the mental illness symptomps that experienced by the student, the level of University of Indonesia Faculty of Math and Natural Science students mental health is classified in two categories which are high mental health level and high mental problem level. The factors that affect University of Indonesia Faculty of Mathematics and Natural Sciences college students mental health are residency while studying, comunication with father, family problem, company to discuss about personal problem, study problem, and the duration of using gadgets.