Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Penelitian ini bertujuan untuk mengevaluasi pemanfaatan teknologi Non-Intrusive Inspection beruapa Alat Pemindai X-ray dengan menggunakan analisis SWOT, mengidentifikasi kekuatan, kelemahan, peluang, dan ancaman dalam penggunaannya pada layanan pemeriksaan fisik barang impor PIB jalur merah di KPU BC Tipe A Tanjung Priok. Penelitian ini menggunakan metode kualitatif dengan responden berasal dari internal (DJBC) dan eksternal (Pengusaha TPS dan Importri/PPJK). Hasil penelitian menunjukkan bahwa pemanfaatan teknologi Non-Intrusive Inspection berupa alat pemindai X-ray di KPU BC Tipe A Tanjung Priok memiliki kekuatan signifikan seperti mengurangi waktu pemeriksaan fisik barang homogen, tidak membebani keuangan negara, teknologi pemindaian drive-thru, meningkatkan keyakinan Pejabat Pemeriksa Fisik Barang dan memberikan efek jera terhadap pelaku penyelundupan. Namun, terdapat kelemahan seperti keterbatasan hasil pemindaian yang masih single view dan kurangnya SDM terlatih. Peluang yang dapat dimanfaatkan adalah penggunaan alat ini untuk menggantikan pemeriksaan tanpa membuka peti kemas khusus untuk barang homogen, meskipun terdapat ancaman dari perkembangan modus penyelundupan yang semakin canggih dan biaya investasi serta perawatan yang perlu dipertimbangkan. ......This study aims to evaluate the use of Non-Intrusive Inspection technology, specifically X-ray scanners, using a SWOT analysis to identify the strengths, weaknesses, opportunities, and threats in its application for physical inspection services of red-channel import goods at KPU BC Type A Tanjung Priok. The research employs a qualitative method with respondents from both internal (DJBC) and external (TPS Operators and Importers/PPJK). The findings indicate that the utilization of Non-Intrusive Inspection technology, in the form of X-ray scanners at KPU BC Type A Tanjung Priok, has significant strengths such as reducing the physical inspection time for homogeneous goods, not burdening the state budget, employing drive-thru scanning technology, increasing the confidence of Physical Goods Inspectors, and providing a deterrent effect against smugglers. However, there are weaknesses such as the limitation of single-view scan results and the lack of trained personnel. Opportunities include using this technology to replace manual inspections without opening containers, especially for homogeneous goods, despite threats from the increasingly sophisticated smuggling methods and the need to consider investment and maintenance costs.

Abstrak :
COVID-19 adalah penyakit infeksi menular yang disebabkan oleh virus SARS-CoV-2 dan dapat menyebabkan gangguan pada sistem pernapasan. Pencitraan X-Ray dapat menjadi alternatif dalam mendeteksi COVID-19 karena mampu menggambarkan kondisi paru-paru pasien. Deep learning dapat digunakan untuk menganalisis pola pada citra medis secara otomatis. Untuk itu, digunakan Convolutional Neural Network dengan teknik transfer learning menggunakan arsitektur Xception, EfficientNetB3, dan ensemble dari kedua model secara paralel untuk deteksi COVID-19 dan tingkat keparahannya dari citra X-Ray dada secara otomatis. Klasifikasi COVID-19 dilakukan untuk empat jenis kelas, yaitu: positif COVID-19, normal, pneumonia bakteri dan pneumonia virus. Pada klasifikasi COVID-19, ketiga model classifier yang diusulkan mencapai akurasi keseluruhan untuk semua kelas sebesar 94,44% untuk classifier Xception, 95,28% untuk classifier EfficientNetB3, dan 94,44% untuk classifier paralel. Nilai akurasi tersebut lebih tinggi dari nilai akurasi classifier lain. Klasifikasi tingkat keparahan COVID-19 dilakukan untuk tiga jenis kelas yaitu: ringan, sedang, dan parah. Pada klasifikasi tingkat keparahan COVID-19, ketiga model classifier yang diusulkan mencapai akurasi keseluruhan untuk semua kelas sebesar 70,00% untuk classifier Xception, 67,50% untuk classifier EfficientNetB3 dan paralel. Nilai akurasi tersebut lebih tinggi dari nilai akurasi classifier lain. Secara keseluruhan, ketiga classifier yang diusulkan dapat direkomendasikan sebagai alat yang dapat membantu ahli radiologi dan praktisi klinis dalam diagnosis dan tindak lanjut kasus COVID-19. ......COVID-19 is a contagious infectious disease caused by the SARS-CoV-2 virus and can cause disorders of the respiratory system. X-Ray imaging can be an alternative in detecting COVID-19 because it is able to describe the condition of the patient's lungs. Deep learning can be used to analyze patterns in medical images automatically. For this reason, Convolutional Neural Network is used with transfer learning techniques using Xception, EfficientNetB3 architecture, and an ensemble of both models in parallel for the detection of COVID-19 and its severity level from Chest X-Ray images automatically. The classification of COVID-19 is carried out for four types of classes, namely: positive COVID-19, normal, bacterial pneumonia, and viral pneumonia. In the COVID-19 classification, the three proposed classifier models achieve overall accuracy for all classes of 94.44% for the Xception classifier, 95.28% for the EfficientNetB3 classifier, and 94.44% for the parallel classifier. The accuracy value is higher than the other classifier accuracy values. The classification of the severity level of COVID-19 is carried out for three types of classes, namely: mild, moderate, and severe. In the classification of the severity level of COVID-19, the three proposed classifier models achieve overall accuracy for all classes of 70.00% for the Xception classifier, 67.50% for the EfficientNetB3 classifier and parallel. The accuracy value is higher than the other classifier accuracy values. Overall, the three proposed classifiers can be recommended as tools that can assist radiologists and clinical practitioners in the diagnosis and follow-up of COVID-19 cases.