Hasil Pencarian  ::  Simpan CSV :: Kembali

"The studies of neuro-protection and neuro-therapy effects of Acalypha indica Linn. water extract ex vivo on Musculus gastrocnemius frog have already done at three Departments in Faculty of Medicine, University of Indonesia. The experimental studies were done on 2 groups of frog for neuro-protection and neuro-therapy effects. Each group of frog was divided into 7 subgroups of application, 4 samples each. There were 5 subgroups of doses: 5; 10; 15; 20; 25 mg and 2 subgroups as control. Pancuronium bromide 0.2%, 4 mg, was used for a positive control as muscle relaxant. Neuroprotection study was done as follow: ringer - extract - pancuronium bromide, and neuro-therapy study was ringer - pancuronium bromide - extract, respectively. The parameters measured in these studies were the electrical activities such as amount and duration (second) of re-polarization; depolarization, resting potential, and the height of spike after electrical stimulation at 5 mV. Neuro-protection effect of extract was determined by the ability of muscle to show the electrical response after incubating with pancuronium bromide for 10 minutes, and after incubating with extract for 10 minutes for neuro-therapy effect. In the dose of 15 mg and 20 mg/mL of A. indica Linn. extract showed better activities than the dose of 25 mg of extract, both as neuro-protection and neuro-therapy effects, but statistically its have not a significant difference. This study should be followed by an in vivo experiment on frog and it would be done in pharmacokinetic and pharmacodynamic studies on other animal models."

"Tekanan darah tinggi pada retina Hypertensive Retinopathy merupakan penyakit yang timbul akibat tingginya tekanan darah yang mengalir pada pembuluh darah retina, mengakibatkan penebalan dinding pembuluh darah, sehingga debit aliran darah pada retina berkurang. Komplikasi yang timbul dari penyakit ini beragam dan membahayakan, mulai dari oklusi pembuluh darah retina, kerusakan saraf mata, bahkan kebutaan. Skripsi ini membahas tentang pendeteksian tekanan darah tinggi pada retina, sehingga dapat digunakan sebagai media untuk membantu diagnosis dan pencegahan penyakit tekanan darah tinggi pada retina Hypertensive Retinopathy . Pendeteksian dilakukan dengan menganalisa gambar retina Fundus Image pasien dengan metode Principal Component Analysis PCA dan Backpropagation Neural Network BNN , sehingga outputnya berupa klasifikasi citra ke salah satu dari dua golongan; yaitu retina normal dan retina dengan tekanan darah tinggi. Dari hasil perancangan diperoleh tingkat akurasi pengujian dan pengujian neural network hingga 85,5 dan 63,6 .

---

Hypertensive Retinopathy is a disease caused by high blood pressure flowing in the retinal blood vessels, resulting in thickening of blood vessel walls and reduced blood flow in the retina. Complications arising from these diseases are diverse and dangerous, ranging from retinal vein occlusion, nerve eye damage, even blindness. This paper discusses the detection of high blood pressure in the retina, so it can be used as a medium to help diagnosis and prevention of Hypertensive Retinopathy disease. Detection is done by analyzing the patient 39 s retinal image Fundus Image with Principal Component Analysis PCA method and Backpropagation Neural Network BNN , so that the output is image classification to one of two classes namely the normal retina and retina with high blood pressure. The result shows that this proposed model have leaning and testing accuracy up to 85,5 and 63,6 ."

"Motor induksi tanpa sensor kecepatan digunakan secara luas pada bidang industri. Skripsi ini memiliki tujuan untuk merancang estimator kecepatan motor induksi menggunakan jaringan syaraf tiruan. Jaringan syaraf tiruan yang digunakan berstruktur lapisan banyak terhubung semua dan dilatih dengan algoritma backpropagation. Masukan jaringan adalah tegangan dan arus stator dari motor induksi. Model motor yang digunakan berada pada sumbu stator, sedangkan pengendali vektor menggunakan persamaan model motor dalam kerangka fluks rotor. Pada percobaan dilakukan variasi parameter untuk diperoleh kinerja yang optimal. Kemudian dilakukan percobaan pada beberapa kondisi kerja untuk mengetahui kemampuan dari jaringan yang telah dirancang. Hasil simulasi menunjukan estimator kecepatan berbasis jaringan syaraf tiruan dengan CMEX S-Function Matlab/Simulink 7.8.0 memberikan hasil yang baik.

---

Sensorless induction motor is used widely in industrial fields. This thesis has the aim to design an induction motor speed estimator based on neural network. Artificial neural network that being used are the multilayer fully connected of structure and trained with the backpropagation algorithm. The network input is the voltage and current stator of an induction motor. Model motor that being used are in stationary reference frame, while the vector control using the motor model equations in rotor flux oriented reference frame. In the experiments, some variations of parameters are carried out to obtain optimal performance. Further, experiments on some working conditions to determine the ability of the speed estimator that has been designed. The results of the simulation shows the speed estimator based on neural network with S-Function CMEX Matlab/Simulink 7.8.0 is in good performance."

"ABSTRAKEmosi merupakan suatu keadaan psikologis yang dipicu oleh aktivitas sensorik manusia baik secara sadar maupun tidak sadar. Emosi berperan penting dalam kehidupan manusia seperti dalam pengambilan keputusan, dalam mengekspresikan diri, dan lain sebagainya. Emosi dapat dihasilkan menggunakan rangsangan/stimulus tertentu seperti emosi takut dihasilkan menggunakan hal-hal yang menyeramkan seperti gambar pembunuhan, emosi bahagia dapat dipicu menggunakan stimulus gambar-gambar yang menyenangkan seperti gambar pemandangan, emosi sedih dapat dipicu menggunakan musik-musik sendu, menangis, dan hal-hal menyedihkan lainnya, dan emosi jijik dapat dipicu mengunakan stimulus yang menjijikkan seperti kotoran manusia. Beberapa stimulus yang biasa digunakan dalam penelitian adalah gambar, text, audio, atau video. Pada proses penghasilan emosi, terdapat aktivitas elektrik dalam otak manusia yang dapat direkam menggunakan perangkat bernama Elektroensefalografi EEG , rekaman gelombang otak ini juga dapat dilakukan menggunakan perangkat yang bernama neuroheadset. Penelitian ini membahas tentang pengembangan sistem akuisisi data sinyal otak menggunakan neuroheadset dan menghasilkan database yang digunakan untuk analisis emosi. Dalam penelitian ini digunakan stimulus berupa video yang terdiri dari kumpulan gambar. Setiap gambar dalam video telah melalui proses validasi sesuai dengan kelas emosi yang diinginkan. Kelas emosi yang digunakan dalam penelitian ini yaitu bahagia, jijik, sedih, dan takut. Setiap kelas emosi memiliki empat stimulus video. Proses validasi dilakukan oleh lima orang partisipan dan proses pengambilan data sinyal otak dilakukan terhadap empat orang partisipan. Pengambilan data dilakukan menggunakan perangkat neuroheadset dengan vendor Emotiv tipe Epoc. Hasil rekaman sinyal diproses menggunakan Matlab dan menghasilkan database berukuran 16x14x7680, dimana angka 16 merepresentasikan jumlah stimulus video, 14 merepresentasikan sensor Emotiv Epoc yang digunakan, dan 7680 merupakan data sinyal yang diambil selama 60 detik dengan frekuensi sampling 128 Hertz. Tingkat keberhasilan tertinggi untuk emosi bahagia, jijik, sedih, dan takut secara berurut adalah 75 , 62.5 , 62.5 , dan 75 . Tingkat keberhasilan tertinggi ini dicapai untuk variasi channel frekuensi alpha, sensor yang digunakan yaitu F7, F3, F4, dan F8. Teknik klasifikasi yang digunakan adalah feed-forward backpropagation neural network.

---

ABSTRACTEmotion is a psychological state that triggered by human sensory activity both consciously and unconsciously. Emotions play an important role in human life such as decision making, self expression, and others. Emotions can be generated using certain stimuli such as feared emotions generated using scary things like murder images, happy emotions can be triggered by stimuli of fun images such as sight images, sad emotions can be triggered using melodic music, crying, and other sad things, and disgusted emotions can be triggered using disgusting stimuli like human feces. Some of the stimuli commonly used in research are using images, text, audio, or video. In the process of earning emotions, there is electrical activity in the human brain that can be recorded and processed to obtain brain signals using a device called Electroencephalography EEG , these brainwave records can also be recorded using a device called neuroheadset. This study discusses the development of data acquisition system of brain signals using neuroheadset and generate database used for emotion analysis. In this study used a video stimulus consisting of a collection of images. Each image in the video has gone through the validation process according to the desired emotion class. Four kind of emotion used in research that are happy, disgusted, sad, and scared. Each emotional class has four video stimuli. Five participants carried out the validation process and the process of retrieving the brain signals data performed on four participants. Data retrieval performed using a neuroheadset device with Emotiv vendor with Epoc type. The recording of the signal is processed using Matlab and generates a 16x14x7680 database, where the number 16 represents the number of video stimuli, 14 represents the Epoc Emotion sensor used, and 7680 is the signal data taken for 60 seconds with 128 Hertz sampling frequency. The highest recognition rate for happy, disgusted, sad, and fearful emotions are 75 , 62.5 , 62.5 , and 75 . The highest success rate achieved for alpha frequency channel variation the sensors used are F7, F3, F4, and F8. The classification technique used is feed forward backpropagation neural network."

"Buku ini merupakan buku pegangan mengenai teori-teori mengenai otak dan jaringan syaraf."

"Seiring dengan perkembangan teknologi komputer yang cepat maka para ilmuwan tertantang untuk menggunakan komputer agar dapat mengerjakan tugas yang dianggap sebagai tugas yang mudah oleh manusia. Dengan belajar dan pengalaman maka kita dapat membedakan antara huruf A dan bukan A, atau lain sebagainya. Pengembangan jaringan syaraf tiruan dimulai kurang lebih 65 tahun yang lalu , dipicu oleh keinginan untuk mengerti cara kerja otak manusia. Neural Network yang dapat bekerja seperti otak manusia, dengan proses pembelajaran dari himpunan data pembelajaran dan himpunan data pengujian. Neural Network digunakan untuk mengelompokkan pola huruf tertentu dengan metoda backpropagation. "

"ABSTRAKSistem Monitoring Gelombang Otak adalah salah satu sistem untuk memantau kondisi otak seseorang dengan memanfaatkan metode Neuro Imaging, yaitu EEG.Sistem ini memantau tingkat kesadaran pada manusia berdasarkan gelombang otaknya, seperti pada saat tertidur orang akan cenderung menghasilkan lebih banyak gelombang Delta. Sistem Monitoring Gelombang Otak mampu mengukur perubahan tingkat kesadaran berdasarkan gelombang otak yang diperoleh, yaitu pada saat tidur dihasilkan lebih banyak gelombang delta (19-20 gelombang delta) jika dibandingkan pada saat sadar (13 gelombang delta) dalam waktu 3 menit . Sistem monitoring ini diharapkan mampu untuk memantau kondisi kesadaran pada orang yang mengalami koma berdasarkan gelombang otak delta yang direkam.

---

ABSTRACTBrain Wave Monitoring System is a system for monitoring the condition of a person's brain by utilizing the method of Neuro Imaging, which is EEG.Sistem monitor the level of consciousness in humans by brain waves, such as when asleep people will tend to result in more waves of Delta. Brain Wave Monitoring System is capable of measuring changes in the level of consciousness by brain waves are obtained, which at the time generated more sleep delta waves (delta waves 19-20) when compared at the time aware (13 delta waves) within 3 minutes. The monitoring system is expected to be able to monitor the state of consciousness in people who fell into a coma by delta brain waves are recorded."