Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Latar Belakang: Prakiraan usia adalah bagian penting dari pemeriksaan forensik. Prakiraan usiang sering digunakan dalam berbagai kondisi, baik dalam kondisi kriminalitas maupun bencana alam. Selain itu, perkiraan usia juga dapat diterapkan pada orang yang masih hidup, terkait dengan aplikasi hukum dan penerbitan surat-surat penting. Perkiraan usia dengan untuk usia anak hingga remaja juga penting dalam konteks hukum dan medikolegal karena saat ini hanya gigi molar ketiga yang masih mengalami pertumbuhan. Tujuan: Untuk mengetahui perkiraan usia dengan menggunakan metode kh¨oler yang di koversikan dengan angka dari perkembangan gigi geraham ketiga pada penduduk Indonesia. Metode:Jumlah sample terdiri dari 300 foto radiograf panoramik pada orang Indonesia yang telah diketahui usia kronologis (8-25) tahun). Analisis ini menggunakan uji korelasi pearson. Analisis ini digunakan untuk mendapatkan rumus regresi untuk perhitungan prakiraan usia. Hasil: Analisis statistik menggunakan uji korelasi Pearson (uji parametrik) menunjukkan korelasi antara variabel gigi molar tiga 18, 28, 38, dan 48, dan usia bermakna secara statistik (p < 0,05) dengan koefisien korelasi (kekuatan korelasi) >0,75. Hal ini menunjukkan bahwa 18, 28, 38, dan 48 gigi geraham ketiga masing-masing berpotensi cukup kuat untuk dijadikan variabel dalam pendugaan usia kronologis. Kesimpulan: Menunjukkan rumus penghitungan estimasi usia dengan kehadiran empat molar ketiga, tiga gigi molar tiga, dua gigi molar tiga, dan satu gigi molar tigayang dapat menampilkan prakiraan estimasi usia populasi di Indonesia ......Background: Age estimation is an important part of forensic examination. Age forecasts are often used in various conditions, both under conditions of crime and natural disasters. In addition, age estimates can also be applied to living persons, related to legal applications and the issuance of important papers. Estimates of age for children to adolescents are also important in legal and medicolegal contexts because currently only third molars are still developing. Objective: To determine the estimated age using the Kh¨oler method which is converted to the number of third molars in the Indonesian population. Methods: The number of samples consisted of 300 panoramic radiographs of Indonesian people with known chronological age (8-25) years). This analysis uses the Pearson correlation test. This analysis is used to obtain a regression formula for calculating the estimated age. Results: Statistical analysis using the Pearson correlation test (parametric test) showed a correlation between the third molar variables 18, 28, 38, and 48, and age was statistically significant (p < 0.05) with a correlation coefficient (correlation strength) >0, 75. This shows that 18, 28, 38, and 48 third molars each have strong enough potential to be used as variables in estimating chronological age. Conclusion: Shows the formula for calculating age estimation with the presence of four third molars, three third molars, two third molars, and one third molar that can show the estimated age of the population in Indonesia.

Abstrak :
Pada penelitian ini telah dilakukan studi karakter fantom pada sistem computed radiography (CR) Fuji dalam beberapa parameter kualitas citra yang direpresentasikan dalam evaluasi koefisien linearitas (CL), koefisien variasi (CV), dan modulation transfer function (MTF). Penelitian ini menggunakan tiga fantom yang berbeda sebagai pembanding dengan representasi tubuh abdomen. Koefisien linearitas merupakan nilai yang menunjukkan linearitas perubahan kontras terhadap perubahan kedalaman objek, sedangkan koefisien variasi menunjukkan nilai konsistensi kontras terhadap perubahan ukuran objek. Hasil MTF menunjukkan resolusi spasial yang dievaluasi menggunakan metode slanted edge dengan menggunakan lempengan tembaga yang terdapat pada in-house phantom Hasil yang diperoleh dari penelitian ini adalah pada fantom in-house nilai yang direkomendasikan adalah 75 kV dengan filter 1 mm Al + 0.1 mm Cu untuk linearitas kontras, 65 kV dengan filter 2 mmAl untuk konsistensi kontras, dan 70 kV dengan filter 1 mm Al + 0.2 mm Cu untuk MTF. Sedangkan untuk fantom in-house diperoleh nilai 60 kV dengan filter 1 mm Al + 0.2 mm Cu untuk linearitas kontras dan 60 kV dengan filter 0 mm Al untuk konsistensi kontras. ......This study was performed to characterize in-house phantoms on computed radiography (CR) systems in terms of image quality parameters that represented coefficient of linearity (CL), coefficient of variation (CV), and modulation transfer function (MTF). This study used three different phantoms as a comparison, combined with abdominal anatomy representation. The CL is a value that shows the changes of contrast linearity to the changes of object depth, while the coefficient of variation shows the value of contrast consistency to changes of object size. MTF showed the spatial resolution that evaluated using the slanted edge method using copper slabs in the in-house phantoms. The results obtained from this study are that in-house phantom 1.0 is recommended to be used at 75 kV with filters 1 mm Al + 0.1 mm Cu for contrast linearity, 65 kV with 2 mmAl filters for contrast consistency and 70 kV with 1 mm Al filter + 0.2 mm Cu for MTF. As for the in-house phantom 2.0 the recommended conditions are 60 kV value with a filter of 1 mm Al + 0.2 mm Cu for contrast linearity and 60 kV with a 0 mm Al filter for contrast consistency.

Abstrak :
Penelitian ini membahas karakter dua digital radiography (MobileDiagnost wDr dan Essenta DR Compact) menggunakan fantom in-house dan fantom pro-digi dilihat dari kualitas citranya. Parameter kualitas citra direpresentasikan sebagai koefisien linearitas (CL) yaitu korelasi antara Signal Difference to Noise Ratio (SDNR) dengan kedalaman obyek, dan koefisien variasi (CV) yaitu konsistensi nilai SDNR obyek terhadap perubahan ukuran. Selain itu, Modulation Transfer Function (MTF) juga dievaluasi sebagai parameter tambahan. Pengambilan citra dilakukan dengan empat variasi filter (0 mm Al, 1 mm Al + 0.1 mm Cu, 1 mm Al + 0.2 mm Cu, dan 2 mm Al) juga dengan dan tanpa antiscatter grid. Penelitian ini menunjukan desain dari fantom in-house dapat digunakan untuk Quality control (QC) pada sistem DR tetapi penggunaannya tidak dapat digeneralisasi pada semua DR dikarenakan setiap alat memiliki karakteristik masing-masing. ......This study aims to discuss the characteristics of two digital radiography systems, namely Mobile Diagnosis WDR and Essenta DR Compact using in-house phantoms and Pro-Digi in terms of image quality. Proposed image quality parameters are linearity coefficients (CL), namely the correlation between the Signal Difference to Noise Ratio (SDNR) and the depth of the object, and the coefficient of variation (CV), namely the consistency of the SDNR value of an object to size change. In addition, Modulation Transfer Function (MTF) was also evaluated as additional parameter. Phantom images were taken with four filter variations (0 mm Al, 1 mm Al + 0.1 mm Cu, 1 mm Al + 0.2 mm Cu, and 2 mm Al) with and without antiscatter grid. This study shows that the in-house phantom can be utilized for Quality Control (QC) in the DR system but its use cannot be generalized to all DRs due to unique characteristics of each devices.

Abstrak :
Pelayanan di supermarket merupakan salah satu hal yang menjadi pertimbangan seseorang dalam menentukan kualitas dari sebuah supermarket. Antrian di supermarket merupakan salah satu penentu dari kualitas layanan yang dimiliki. Antrian tersebut dapat disebabkan berbagai hal, salah satunya adalah lamanya kasir dalam menyelesaikan transaksi yang dilakukan. Semakin lama transaksi berlangsung, semakin lama waktu yang dibutuhkan untuk dibutuhkan seorang pelanggan sehingga menyebabkan antrian terjadi. Salah satu penyebab lamanya transaksi dapat disebabkan karena proses pemindaian produk yang membutuhkan waktu cukup lama. Oleh karena itu, dengan membuat model pemindaian barcode yang cepat dan efisien berbasis deep learning menggunakan object detection, harapannya dapat membuat proses transaksi menjadi lebih cepat sehingga antrian yang terjadi dapat dikurangi. Dalam penilitian ini, model sistem akan membandingkan antara performa model YOLOv5 dengan Faster R-CNN yang kemudian ditambahkan image enhancement (Super Resolution) untuk dibandingkan dengan tujuan mencari tahu performa dan akurasinya. Hasil pengujian model pada tahap pelatihan menunjukkan model YOLOv5 merupakan model yang lebih akurat dan efisien dengan akurasi Mean Average Precission (mAP) sebesar 81,74%, penggunaan waktu pelatihan sebesar 1,6448 jam, dan loss pada epoch/step terakhir sebesar 0,0208. Hasil pengujian model menggunakan image enhancement (super resolution) menunjukkan peningkatan kualitas decode dari 67% menjadi sebesar 75,5% atau peningkatan sebesar 8,5% dengan super resolution tipe RRDB_PSNR. Kemudian hasil pengujian augmentasi rotasi pada pendeteksian barcode diagonal menunjukan peningkatan sangat signifikan dari 2% menjadi 80%. Pada pengujian terakhir dimana dataset yang digunakan sudah dilakukan augmentasi. Model yang di training memiliki penurunan dari mAP yang dihasilkan menjadi 71,7% dari yang sebelumnya sebesar 81,74% atau penurunan sekitar 10,04%......Service in supermarkets is one of the things that a person considers in determining the quality of a supermarket. Queues at supermarkets are one of the determinants of the quality of service they have. The queue can be caused by various things, one of which is the length of time the cashier completes the transaction. The longer the transaction lasts, the longer it will take for a customer to cause a queue to occur. One of the reasons for the length of the transaction can be due to the product scanning process which takes a long time. Therefore, by creating a fast and efficient barcode scanning model based on deep learning using object detection, it is hoped that it can make the transaction process faster so that queues that occur can be reduced. In this research, the system model will compare the performance of the YOLOv5 model with Faster R-CNN which is then added with image enhancement (Super Resolution) for comparison with the aim of finding out its performance and accuracy. The results of model testing at the training stage show that the YOLOv5 model is a more accurate and efficient model with an accuracy of Mean Average Precision (mAP) of 81.74%, training time usage of 1.6448 hours, and loss in the last epoch/step of 0.0208. The results of model testing using image enhancement (super resolution) show an increase in decoding quality from 67% to 75.5% or an increase of 8.5% with super resolution of type RRDB_PSNR.Then the results of the rotational augmentation test on diagonal barcode detection showed a very significant increase from 2% to 80%. In the last test where the dataset used has been augmented. The training model has a decrease from the resulting mAP to 71.7% from the previous 81.74% or a decrease of about 10.04%.