Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada tahun 2018, kanker prostat merupakan penyakit ganas kedua terbanyak pada pria secara global setelah kanker paru-paru. IDC-P merupakan varian agresif dari kanker prostat yang sering sering disalahinterpretasikan dengan proliferasi intraduktal seperti HGPIN yang dapat mempengaruhi perawatan pasien laki-laki pengidap kanker prostat. Teknik analisis spektroskopi Raman merupakan teknik molekuler berprospek untuk menganalisa jaringan biologis yang telah banyak digunakan dalam mencoba untuk mengidentifikasi berbagai macam jenis kanker. Sayangnya, spektroskopi Raman menghasilkan sinyal yang lemah dan mudah dipengaruhi oleh noise dan latar belakang floresens. Penelitian ini bertujuan untuk mengembangkan pipeline yang mencakup tahapan prapengolahan dan klasifikasi terhadap spektra Raman dari spesies IDC-P dan HGPIN untuk mendapatkan hasil metrik evaluasi yang optimal. Tujuan ini dicapai dengan menemukan nilai parameter optimal pada tahapan prapengolahan (smoothing, baseline correction, normalisasi), dan klasifikasi untuk menghasilkan hasil klasifikasi yang terbaik. Dihasilkan sebuah pipeline yang mencakup tahapan prapengolahan dan klasifikasi dengan kemampuan untuk meng- hasilkan hasil evaluasi metrik yang tinggi untuk metrik evaluasi F1 Test, accuracy, dan AUC-ROC masing-masing bernilai : 98.8%, 97.9%, dan 98.8%. Berdasarkan hasil anali- sis ANOVA, ditemukan bahwa perbedaan pada parameter window length dan polynomial order pada tahapan Savitzky-Golay smoothing tidak memiliki signifikansi terhadap hasil evaluasi metrik (p > 0.05). Sebaliknya, metode baseline correction beserta nilai polynomial degree yang berbeda cenderung memberikan signifikansi ke hasil evaluasi metrik (p < 0.05).

---

In 2018, prostate cancer was the second most common malignant disease in men globally, following lung cancer. IDC-P is an aggressive variant of prostate cancer often misinterpreted as intraductal proliferation like HGPIN, which can impact the treatment of male patients with prostate cancer. Raman spectroscopy analysis is a promising molecular technique for analyzing biological tissues and has been extensively used in attempts to identify various types of cancer. Unfortunately, Raman spectroscopy produces weak signals that are easily influenced by noise and fluorescent backgrounds. This research aims to develop a pipeline that includes preprocessing and classification stages for Raman spectra of IDC-P and HGPIN species to achieve optimal evaluation metric results. This goal is achieved by finding the optimal parameter values in preprocessing stages (smoothing, baseline correction, normalization) and classification to produce the best classification results. A pipeline was created that includes preprocessing and classification stages capable of producing high evaluation metric results for the F1 Test, accuracy, and AUC-ROC metrics, respectively valued at 98.8%, 97.9%, and 98.8%. Based on ANOVA analysis, it was found that differences in the ’window length’ and ’polynomial order’ parameters in the Savitzky-Golay smoothing stage do not significantly affect the evaluation metric results (p > 0.05). Conversely, the baseline correction method and different ’polynomial degree’ values tend to significantly impact the evaluation metric results (p < 0.05)."

"Perkiraan konsentrasi glukosa darah adalah salah satu kriteria diagnostik utama Diabetes mellitus dengan insulin memiliki peran utama dalam metabolisme glukosa. Penentuan insulin berperan besar dalam diagnosis diabetes dan diperlukan sistem untuk mendeteksi kadar insulin dalam tubuh manusia. Pada penelitian ini pengembangan metode untuk mendeteksi kadar insulin dilakukan dengan instrumen surface-enhanced raman spectroscopy (SERS). Sebagai substrat untuk meningkatkan respon plasmon dalam pengujian SERS, elektroda screen-printed carbon (SPCE) dimodifikasi dengan nanopartikel emas (AuNPs). Elektrodeposisi dilakukan dengan menggunakan metode chronoamperometry dengan bantuan nicotinamide adenine dinucleotide (NAD+) sebagai capping agent. Karakterisasi SPCE termodifikasi AuNPs (AuNPs-SPCE) dengan metode FE-SEM menunjukkan nanopartikel yang dihasilkan memiliki bentuk bulat (nanosphere) yang tersebar secara merata pada permukaan elektroda dengan mayoritas ukuran partikel sekitar 100 nm. Pengujian dengan SERS yang dilakukan menggunakan larutan standar insulin manusia menunjukkan puncak pada Raman shift pada bilangan gelombang 1200-1400 cm-1. Kurva kalibrasi linear dibuat pada rentang konsentrasi 0 sampai 15 IU dengan linearitas sebesar 0.9938 dan nilai LOD, LOQ, serta sensitivitas masing-masing adalah 1.53 IU, 5.10 IU, dan 2.57 x 10-5 a.u/IU/cm2. Hasil penelitian menunjukkan bahwa AuNP-SPCE hasil preparasi dapat digunakan sebagai substrat untuk sensor insulin menggunakan metode SERS.

---

Estimation of blood glucose concentration is one of the main diagnostic criterias for Diabetes mellitus in which insulin has a major role in glucose metabolism. Insulin determination plays a major role in the diagnosis of diabetes and a system is needed to detect insulin levels in the human body. In this study, the development of a method for detecting insulin levels was carried out using a surface-enhanced Raman spectroscopy (SERS) instrument. As a substrate to increase plasmon response in SERS testing, screen-printed carbon electrodes (SPCE) are modified with gold nanoparticles (AuNPs). Electrodeposition was carried out using the chronoamperometry method with the help of nicotinamide adenine dinucleotide (NAD+) as a capping agent. Characterization of SPCE modified AuNPs (AuNPs-SPCE) using the FE-SEM method showed that the resulting nanoparticles had a circular shape (nanospheres) that were evenly distributed on the surface of the electrode with a majority of particle sizes around 100 nm. The performance tests with SERS which were carried out using standard human insulin solutions showed peaks in the Raman shift at wave numbers 1200-1400 cm-1. A linear calibration curve was made in the concentration range of 0 to 15 IU with a linearity of 0.9938 and the values of LOD, LOQ and sensitivity were 1.53 IU, 5.10 IU and 2.57 x 10-5 a.u/IU/cm2, respectively. The results showed that the prepared AuNP-SPCE could be used as a substrate for insulin sensors using the SERS method."