Hasil Pencarian  ::  Simpan CSV :: Kembali

"Demam dengue adalah salah satu jenis demam yang umum terdapat pada negara beriklim tropis. Demam ini disebabkan oleh virus dengue (DENV) yang disebarkan oleh nyamuk Aedes aegypti atau Aedes albopictus yang umumnya bereproduksi di iklim tropis serta dapat berubah menjadi demam berdarah dengue (DBD) apabila penderita tidak dirawat dengan tepat yang dapat berakibat fatal. DENV melakukan replikasi di dalam retikulum endoplasma dari sel manusia dengan bantuan enzim ?-Glucosidase yang dapat diinhibisi dengan menggunakan senyawa berbasis iminosakarida yang mengakibatkan DENV mengalami misfold dan terdegradasi. Ligan standar dan modifikasi telah dilakukan studi ADMET dan RO5 sebelum dilakukan docking dengan protein. Ligan modifikasi tersebut adalah senyawa organoboron yang berbasis terhadap 1-deoxynojirimycin yang meningkatkan energi ikatan bebas pada kompleks protein-ligan yang terbentuk jika dibandingkan dengan senyawa yang tidak termodifikasi. Dari sepuluh ligan modifikasi, ligan nomor dua dan tiga memiliki interaksi terbaik dengan ?-Glucosidase I dan II secara berturut-turut dengan sebesar -8,622 kkal/mol dan -8,858 kkal/mol secara berturut-turut.

---

Dengue fever is a type of fever that is commonly found in tropical countries. It is caused by dengue virus (DENV) that transmitted by Aedes aegypti or Aedes albopictus mosquitos that mostly reproduces in tropical climates, that can develop into more severe and fatal disease called dengue hemorrhagic fever. DENV can replicate inside endoplasmic reticulum of human cells with the help of ?-Glucosidase enzymes, which can be inhibited using iminosaccharide based drug, that could lead to DENV degradation due to misfolded protein. Standard and modified ligand underwent ADMET and RO5 analysis before being prepared alongside with protein to be docked. The modified ligand is an organoboron compound based on 1-deoxynojirimycin that increases binding free energy on formed ligand-protein complex compared to non-modified compound. From ten modified ligands, ligand number two and three had the best interaction with ?-Glucosidase I and II respectively with of -8.622 kcal/mol and -8.858 kcal/mol respectively."

"Demam Berdarah Dengue (DBD) merupakan penyakit yang disebabkan oleh virus dengue (DENV) yang ditularkan kepada manusia melalui gigitan nyamuk betina. DBD cenderung memiliki siklus musiman, dimana puncak transmisinya di saat dan setelah musim hujan. Faktor iklim yang paling berpengaruh terhadap kasus DBD adalah curah hujan, suhu, dan kelembapan. Berdasarkan data dari Kemenkes (2021), masih terjadi penurunan dan peningkatan jumlah penderita DBD pada tahun 2016-2020. Oleh karena itu, diperlukan adanya pencegahan untuk mengendalikan jumlah kasus DBD. Prediksi jumlah insiden DBD dengan menggunakan deep learning dapat menjadi alternatif dalam pengendalian kasus DBD. Penelitian ini menggunakan data insiden DBD dan data iklim yang terdiri dari data temperatur rata-rata, kelembapan rata-rata, dan curah hujan di DKI Jakarta. Data yang digunakan merupakan data yang tercatat dari tahun 2008-2023. Prediksi insiden DBD dilakukan pada 5 wilayah di DKI Jakarta, yaitu Jakarta Barat, Jakarta Pusat, Jakarta Selatan, Jakarta Timur, dan Jakarta Utara. Untuk mencapai tujuan penelitian, penelitian ini menggunakan metode Long Short-Term Memory (LSTM). LSTM merupakan merupakan arsitektur recurrent network yang mampu mengingat informasi dalam jangka waktu yang lama. Hasil analisis menunjukkan bahwa LSTM dapat diimplementasikan untuk memprediksi insiden DBD di DKI Jakarta dimana wilayah Jakarta Pusat memiliki hasil terbaik dengan nilai MAE sebesar 6,021466 dan nilai RMSE sebesar 9,062668.

---

Dengue Hemorrhagic fever (DHF) is a disease caused by the dengue virus (DENV), which is transmitted to humans through the bite of female mosquitoes. Dengue tends to have a seasonal cycle, with transmission peaks during and after the rainy season. The climatic factors that have the most influence on dengue cases are rainfall, temperature, and humidity. Based on data from the Ministry of Health (2021), there are still changes in the number of dengue patients in 2016-2020. Therefore, prevention is needed to control the number of dengue cases. Predicting the number of dengue incidents using deep learning can be an alternative in controlling dengue cases. This study uses dengue incidence data and climate data consisting of average temperature, average humidity, and rainfall in DKI Jakarta. Data used is data recorded from 2008 - 2023. The prediction of dengue incidence was carried out in 5 regions in DKI Jakarta, namely West Jakarta, Central Jakarta, South Jakarta, East Jakarta, and North Jakarta. To achieve the research objectives, this study uses the Long Short-Term Memory (LSTM) method. LSTM is a recurrent network architecture that is able to remember information over a long period of time. The analysis results show that LSTM can be implemented to predict dengue incidents in DKI Jakarta, where Central Jakarta region has the best results with an MAE value of 6,021466 and an RMSE value of 9,062668.

"