Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Mata merupakan salah satu indera terpenting bagi kehidupan manusia. Umumnya, banyak manusia yang mengabaikan gangguan fungsi penglihatan, dimana gangguan fungsi penglihatan ini mengindikasikan awal mula penyakit mata. Penyakit mata adalah gangguan fungsi penglihatan berkisar dari gangguan fungsi penglihatan ringan hingga gangguan fungsi penglihatan berat yang dapat menyebabkan kebutaan. Dalam melakukan diagnosa terhadap pasien gangguan fungsi penglihatan memiliki jenis penyakit mata yang diderita, diperlukan tahapan pemeriksaan retina dengan ophthalmoscopy atau fotografi fundus. Setelah itu, seorang dokter spesialis mata menganalisis jenis penyakit mata yang diderita pasien tersebut. Namun, karena terbatasnya sarana fasilitas kesehatan dan dokter spesialis mata yang memeriksa dan mengoperasi. Oleh karena itu, dibutuhkan alat deteksi dini dengan menggunakan data citra agar pasien gangguan penglihatan dapat ditangani sebelum pasien menderita gangguan fungsi penglihatan berat atau dapat mengalami kebutaan. Pada penelitian ini, diusulkan oleh peneliti model klasifikasi citra fundus ke dalam kelas normal, katarak, glaukoma, dan retina disease menggunakan Convolutional Neural Network (CNN) dengan arsitektur AlexNet. Data citra yang digunakan merupakan data fundus image retina yang berasal dari website kaggle. Sebelum data citra fundus image masuk ke dalam proses training model, dilakukan tahapan preprocessing pada data citra fundus image. Pada tahapan proses training dalam CNN digunakan fungsi optimasi untuk meminimalkan fungsi loss. Adapun fungsi optimasi yang digunakan dalam penelitian ini adalah Adam dan diffGrad. Hasil penelitian ini menunjukkan bahwa kedua fungsi optimasi tersebut memiliki hasil evaluasi training yang tidak jauh berbeda pada kedua fungsi optimasi. Keunggulan menggunakan kedua fungsi optimasi ini adalah mudah diterapkan. Pada penelitian ini didapatkan training loss terkecil sebesar 0,4838, validation loss terkecil sebesar 0,6658, dan training accuracy terbaik sebesar 0,8570 yang dimiliki oleh fungsi optimasi Adam. Sedangkan untuk validation accuracy terbaik sebesar 0,7189 yang dimiliki oleh fungsi optimasi diffGrad. Sedangkan running time tercepat pada proses training model sebesar 2840,9 detik yang dimiliki oleh fungsi optimasi diffGrad. Setelah tahapan proses training, dilakukan evaluasi dengan data testing. Secara keseluruhan, apabila dilihat dari hasil testing yang terbaik dimiliki oleh fungsi optimasi Adam dengan nilai accuracy sebesar 63%, recall sebesar 63%, dan precision sebesar 63%. Sedangkan running time tercepat pada proses testing model adalah 5,4 detik yang dimiliki oleh fungsi diffGrad. Dapat disimpulkan bahwa metode CNN menggunakan Arsitektur AlexNet dan fungsi optimasi Adam memberikan performa terbaik dalam mendeteksi penyakit mata pada data fundus image. ......The eyes are one of the most important senses for human life. Generally, many people ignore visual impairment, where this visual impairment indicates the onset of eye disease. Eye disease is a visual impairment ranging from mild visual impairment to severe visual impairment which can lead to blindness. In diagnosing patients with visual impairment who have the type of eye disease they suffer, it is necessary to carry out a retinal examination with ophthalmoscopy or fundus photography. After that, an ophthalmologist analyzes the type of eye disease the patient is suffering from. However, due to limited medical facilities and ophthalmologists who examine and operate. Therefore, an early detection tool is needed using image data so that visually impaired patients can be treated before the patient suffers from severe visual impairment or can go blind. In this study, researchers proposed a model for classifying fundus images into normal, cataract, glaucoma, and retinal disease classes using Convolutional Neural Network (CNN) with AlexNet architecture. The image data used is retinal fundus image data from the Kaggle website. Before the fundus image data enters the training model process, a preprocessing stage is carried out on the fundus image data. At this stage of the training process in CNN, an optimization function is used to minimize the loss function. The optimization functions used in this study are Adam and differed. The results of this study indicate that the two optimization functions have training evaluation results that are not much different from the two optimization functions. The advantage of using these two optimization functions is that they are easy to implement. In this research, the smallest training loss is 0.4838, the smallest validation loss is 0.6658, and the best training accuracy is 0.8570 which is owned by the Adam optimization function. As for the best validation accuracy of 0.7189 which is owned by the diffGrad optimization function. Meanwhile, the fastest running time in the model training process is 2840.9 seconds, which is owned by the diffGrad optimization function. After the stages of the training process, evaluation is carried out with data testing. Overall, when viewed from the testing results, Adam's optimization function is the best with an accuracy value of 63%, recall of 63%, and precision of 63%. Meanwhile, the fastest running time in the model testing process is 5.4 seconds, which is owned by the diffGrad function. It can be concluded that the CNN method using AlexNet Architecture and Adam's optimization function provides the best performance in detecting eye diseases in fundus image data.

Abstrak :
ABSTRAK
Terapi Androgen Deprivation Therapy (ADT) adalah salah satu tatalaksana untuk pasien dengan kanker prostat stadium lanjut yang berhubungan dengan adanya perubahan dari komposisi masa tubuh dan mencetuskan adanya resistensi dari insulin perifer. Penelitian ini dilaksanakan di RSUP H. Adam Malik, Medan sejak Juni 2014 hingga Juni 2015. Terapi ADT menyebabkan peningkatan secara signifikan sebelum dan 6 bulan sesudah pemberian kadar gula darah post prandial 121.12 21 mg/mL vs 134.64 33.35 mg/mL, p-value=0.011 dan Glycosylated hemoglobin HbA1C 5 0.5 vs 5.5 0.79 , p-value = 0.000 . Pemberian ADT selama 3 sampai 6 bulan juga secara signifikan meningkatkan kadar Trigliserida TG 104.4 38.67 vs 131.2 32.27 vs 127 33.43, p-value = 0.005 .

---

ABSTRACT
Therapy ADT is one of the treatments in patients with advanced prostate cancer in which has been linked to the changes in body mass composition and induction of insulin peripheral resistance in many studies. This research was conducted at Dr H. Adam Malik, Medan from June 2014 to June 2015. ADT administration is found to cause a significant elevation of 2 hour postprandial blood glucose 121.12 21 mg mL vs 134.64 33.35 mg mL, p value 0.011 and Glycosylated hemoglobin 5 0.5 vs 5.5 0.79 , p value 0.000 HbA1c after 6 months of therapy. Additionally, ADT administration within 3 and 6 months of duration had also significantly increased triglyceride TG level when compared to before treatment 104.4 38.67 vs 131.2 32.27 vs 127 33.43 respectively, P value 0.005 .

Abstrak :
ABSTRAK
Salah satu mitos paling terkenal di Amerika adalah mitos American Adam. Fakta bahwa mitos American Adam digunakan dalam berbagai macam produk budaya, seperti buku, film, dan lagu-lagu tidak bisa lagi disangkal kebenarannya. Tulisan ini akan membahas representasi dari mitos American Adam yang digambarkan dalam film The Dreamers 2004 karya sutradara asal Italia Bernardo Bertulloci. Dengan menyesuaikan fase mitos American Adam yang dikemukakan oleh R.W. B. Lewis 1955 , tulisan ini akan mengikuti jejak mitos American Adam melalui perkembangan psikologis sang pemeran utama, Matthew. Selain itu, representasi dari American Adam dalam The Dreamers 2004 telah membawa perspektif yang berbeda terhadap Amerika melalui lensa perfilman Eropa, khususnya produksi perfilman Italia.

---

ABSTRACT
One of the distinguished myths of America is the American Adam. The fact that the American Adam is applied within several contemporary cultural products, such as books, films, and songs are cannot be denied. This study will discuss the representation of the American Adam that is depicted in the film The Dreamers 2004 by an Italian director, Bernardo Bertulloci. By adjusting the phases of the American Adam from R. W. B. Lewis 1955 , this research will trace the track of the American Adam through Matthew rsquo s psychological development, as the main character in this film. Moreover, the representation of the American Adam in The Dreamers 2004 has brought a different perspective towards America through the lens of European cinema, specifically Italian cinema production.

Abstrak :
Buku ini menceritakan mengenai sariat semua nabi-nabi, menyadur dari kitab Bayanudayan dan kitab Ki Salul Anbiya. Mulai dari sariat Nabi Adam sampai dengan sariat Nabi Muhammad

Abstrak :
Skripsi ini meneliti cara penceritaan dengan komentar pencerita yang ada dalam dua novel karya pengarang periode Victoria, George Eliot (Mary Ann Evans), yaitu novel Silas Marner dan novel Adam Bede. Pemilihan kedua novel Eliot tersebut didasarkan atas kelebihan yang dimiliki keduanya dibandingkan dengan novel-novel Eliot lain yang juga menggunakan cara penceritaan yang lama. Tujuan penulisan skripsi ini adalah untuk menunjukkan bahwa cara penceritaan komentar pencerita yang digunakan oleh Eliot memegang peranan dalam membangun kedua novelnya tersebut, terutama membangun pemahaman terhadap tokoh utama. Cara penceritaan komentar pencerita yang digunakan dalam novel-novel ini sempat membuat orang terkecoh karena cukup lama ada pengertian bahwa pengarang adalah juga pencerita. Jadi komentar yang disampaikan oleh pencerita dianggap juga sebagai komentar yang dilakukan oleh pengarang. Padahal komentar yang ada tidak harus selalu mewakili suara pengarang. Hal lain dari cara penceritaan ini adalah adanya pro dan kontra dari para kritikus terhadap penggunaan cara penceritaan ini di dalam sebuah karya. Dalam penelitian ini pendekatan yang digunakan adalah pendekatan intrinsik. Pendekatan ini digunakan karena komentar pencerita yang muncul menjelaskan unsur-unsur yang ada di dalam cerita yaitu tokoh utama dan penokohannya tanpa menghubungkannya dengan unsur lain di luar novel-novel tersebut. Dari analisis dalam penelitian ini, kesimpulan yang didapat adalah bahwa komentar pencerita yang ada dalam novel Silas Marner dan Adam Bede membantu pengarang untuk menyampaikan ceritanya dan juga membantu pembaca untuk memahami apa yang disampaikannya, dalam hal ini tokoh-tokoh utamanya.

Abstrak :
Penyakit mata berat yang telat tertangani seperti katarak, glaukoma, serta retinopati diabetik merupakan salah satu penyebab utama gangguan penglihatan dan kebutaan. Pencegahan dapat dilakukan dengan melakukan pendektesian dini melalui citra fundus. Untuk mengatasi minimnya dokter mata dan persebarannya yang masih belum merata, dilakukan pendektesian penyakit mata secara otomatis melalui gambar mata dengan pendekatan deep learning. Dalam penelitian ini, digunakan metode Transfer Learning U-Net dengan VGG16 sebagai pretrained model (V-Unet) yang telah dilatih pada online database, ImageNet. Data yang digunakan dalam penelitian ini merupakan data citra fundus yang diperoleh dari platform Kaggle. Preprocessing data pada citra fundus yang dilakukan untuk meningkatkan kinerja model adalah centered crop, resize, dan rescale. Fungsi optimasi Adam digunakan untuk meminimalkan fungsi loss ketika melatih model. Pada penelitian ini, dilakukan pemisahan data training, validasi, testing dengan 3 rasio berbeda, yaitu kasus I dengan rasio 60:20:20, kasus II dengan rasio 70:20:10, dan kasus III dengan rasio 80:10:10. Hasil penelitian ini menunjukkan bahwa V-Unet memiliki kinerja paling baik pada kasus II berdasarkan skor AUC dan running time dengan nilai rata-rata skor AUC 0,8622 dan rata-rata running time 3,7079 detik sedangkan berdasarkan nilai akurasinya V-Unet memiliki kinerja paling baik pada kasus III dengan rata-rata nilai akurasi sebesar 66,34%. ......Untreated severe eye diseases such as cataracts, glaucoma, and diabetic retinopathy is one of the main causes of visual impairment and blindness. Prevention can be done by doing early detection through fundus images. To overcome the lack of ophthalmologists and their uneven distribution, an automatic detection of eye diseases is carried out through eye images using a deep learning approach. In this study, Transfer Learning U-Net method was used with VGG16 as a pre-trained model (V-Unet) which had been trained on the online database, ImageNet . The data used in this study is fundus image data that obtained from the Kaggle platform. Preprocessing data on the fundus image that is carried out to improve model performance is centered crop, resize, and rescale. Adam's optimization function used to minimize the loss function when training the model. In this study, the training, validation, testing data was separated with 3 different ratios, namely case I with a ratio of 60:20:20, case II with a ratio of 70:20:10, and case III with a ratio of 80:10:10. The results of this study indicate that V-Unet has the best performance in case II based on the AUC score and running time with an average AUC score of 0.8622 and an average running time of 3.7079 seconds while based on accuracy value the best case is case III with an average accuracy value of 66.34%.