Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Digital Breast Tomosynthesis (DBT) adalah jenis mamografi baru yang secara luas telah digunakan dalam pencitraan payudara terutama pada payudara yang padat. Meskipun DBT telah banyak digunakan dalam praktik klinis namun, protokol kendali mutu untuk pesawat DBT masih berkembang dan belum tersedia di Indonesia. Penelitian ini ditujukan untuk mengevaluasi nilai MGD serta menyediakan program perhitungan otomatis (In- House Kalkulator), reproduksibilitas DBT, juga perbandingan nilai MGD pesawat DBT dengan pesawat DM berdasarkan hasil uji kendali mutu yang dilakukan tim UZ Leuven sesuai protokol European Guidelines. In-House Kalkulator ikut dirancang untuk digunakan dalam perhitungan MGD pada objek (PMMA dan breast). Terdapat enam tipe pesawat yaitu Inspiration, Revelation, Innovality, Pristina, Class, serta 3Dimensions yang dipilih dan dievaluasi. Pesawat DBT memiliki hasil nilai rata-rata MGD yang meningkat dari 0,5 mGy hingga 4.08 ± 0,21 mGy dan untuk ketebalan 50 mm berkisar 1,4 mGy hingga 2,25 ± 0,25 mGy. Uji reproduksibilitas menunjukkan nilai CV untuk pesawat DBT sebesar 0,03, 0,04, dan 0,11 dan pada ketebalan 50 mm sebesar 0,05, 0,02, 0,15 untuk Inspiration, Revelation, dan 3Dimensions. Pesawat DBT menghasilkan nilai MGD yang lebih tinggi dari pesawat DM sebesar 30% untuk Innovality, 3Dimensions, dan Class, 1% untuk Pristina, serta 80-90% untuk Revelation dan Inspiration. T-Dose Calculator merupakan In-House Kalkulator yang telah berhasil dibuat dengan nilai rerata eror untuk perhitungan PMMA <5%.   ......Digital Breast Tomosynthesis (DBT) is a new type of mammography that has been widely used in breast imaging especially in dense breasts. Although DBT has been widely used in clinical practice, quality control protocols for DBT are still evolving and not yet available in Indonesia. This study aimed to evaluate the MGD value and provide an automatic calculation program (In-House Calculator), DBT reproducibility, as well as comparison of MGD value between DBT with DM based on the results of quality control tests conducted by the UZ Leuven team according to the European Guidelines protocol. The In-House Calculator was also designed to be used for MGD calculations on objects (PMMA and breast). Six planes namely Inspiration, Revelation, Innovality, Pristina, Class, and 3Dimensions were selected and evaluated. The DBT had a mean MGD value result that increased from 0.5 mGy to 4.08 ± 0.21 mGy and for 50 mm thickness it ranges from 1.4 mGy to 2.25 ± 0.25 mGy. Reproducibility tests showed CV values for the DBT of 0.03, 0.04, and 0.11 and at 50 mm thickness of 0.05, 0.02, 0.15 for Inspiration, Revelation, and 3Dimensions.The DBT produced higher MGD values than the DM by 30% for Innovality, 3Dimensions, and Class, 1% for Pristina, and 80-90% for Revelation and Inspiration. T-Dose Calculator is an In-House Calculator that has been successfully created with an average error value for PMMA calculations <5%.

Abstrak :
ABSTRAK
Penelitian ini membahas proses pengembangan aplikasi ponsel berbasis android bernama Kuala24 untuk menghitung asupan harian gula tambahan pada anak usia sekolah di Jakarta Timur dan evaluasi penerimaan terhadap aplikasi tersebut. Penelitian menggunakan rancangan penelitian potong lintang, dengan pendekatan kualitatif pada tahap analisis kebutuhan dan pendekatan kuantitatif digunakan untuk mengetahui evaluasi penerimaan dalam aspek content, grapich, dan design. Hasil penelitian ini yaitu sebuah aplikasi bernama Kuala24 untuk menghitung asupan gula tambahan yang berisi database makanan dan minuman yang mengandung gula tambahan dan gambar makanan. Aplikasi Kuala24 mendapatkan penerimaan dengan kategori baik pada anak usia usia sekolah di Jakarta Timur

---

ABSTRACT
This study provides step-step how to develop application for calculating added sugar intake. The present study aims to develop and assess the acceptance of added sugar intake calculator application (Kuala24 app) in East Jakarta. Data collection was done by qualitative approach using Delphi technique to experts (n=15) in need assessment phase for developing Kuala24 app. Acceptance of Kuala24 was obtained from school aged children (n=59). Kuala24 app is a mobile application software for calculating added sugar intake that contain food databases, food picture and food grouping. The result of acceptance assessment is 55.9% school aged children having good acceptance.

Abstrak :
Aktivitas rumah tangga merupakan salah satu sumber utama emisi gas rumah kaca (GRK). Kecamatan Makasar di Jakarta Timur merupakan wilayah yang didominasi oleh sektor pemukiman. Berbagai aktivitas rumah tangga yang dilakukan oleh rumah tangga berkontribusi terhadap besarnya jejak karbon. Oleh karena itu, diperlukan suatu upaya untuk mengendalikan jejak karbon dari sektor rumah tangga, salah satunya melalui studi analisis jejak karbon rumah tangga. Penelitian ini bertujuan untuk menganalisis jejak karbon yang berasal dari aktivitas rumah tangga seperti penggunaan energi, transportasi, serta konsumsi barang dan jasa di Kecamatan Makasar, menganalisis faktor-faktor yang mempengaruhi jejak karbon rumah tangga, serta memberikan rekomendasi untuk mengurangi jejak karbon rumah tangga. Metode penelitian ini adalah metode kuantitatif. Pengumpulan data dilakukan melalui kuesioner dan wawancara terstruktur untuk memperoleh data aktivitas dan konsumsi rumah tangga. Jejak karbon rumah tangga dihitung menggunakan kalkulator Carbon Footprint Ltd. yang besarnya akan dinyatakan dalam satuan t CO2 ekuivalen per rumah tangga per tahun (t CO2e/RT/tahun). Hasil penelitian menunjukkan bahwa rata-rata jejak karbon di Kecamatan Makasar adalah 15,33 t CO2e/RT/tahun. Sektor penggunaan energi mendominasi besar jejak karbon rumah tangga dengan rata-rata sebesar 8,68 t CO2e/RT/tahun, kemudian sektor penggunaan transportasi sebesar 4,04 t CO2e/RT/tahun, serta sektor konsumsi barang dan jasa sebesar 2,61 t CO2e/RT/tahun. Faktor-faktor yang memiliki hubungan yang kuat dan signifikan secara statistik dengan jejak karbon rumah tangga yaitu ukuran keluarga (jumlah anggota keluarga), penghasilan, dan golongan daya listrik. Penghasilan menunjukkan hubungan/korelasi yang paling kuat terhadap besar jejak karbon rumah tangga (r = 0,872; p = 0,001) yang bermakna bahwa semakin tinggi penghasilan suatu rumah tangga, maka semakin tinggi jejak karbon rumah tangga yang dihasilkan. ......Household activities are one of the main sources of greenhouse gas emissions (GHG). Makasar district in east Jakarta is a region dominated by the settlement sector. The various household activities performed by households contribute to the size of the carbon footprint. Therefore, an effort is needed to control the carbon footprint of the household sector, one of which is through household carbon footprint analysis studies. The study aims to analyze the carbon footprint derived from household activities such as energy use, transportation, as well as the consumption of goods and services in Makasar District, analyze the factors that influence the household carbon footprints, and provide recommendations for reducing the domestic carbon footprint. This research method is quantitative. Data was collected through structured questionnaire and interviews to obtain data on household activity and consumption. The household carbon footprint is calculated using the Carbon Footprint Ltd. calculator, the size of carbon footprint will be expressed in t CO2 equivalent units per household per year (t CO2e/household/year). The results of the study show that the average carbon footprint in Makasar district is 15,33 t CO2e/household/year. The energy use sector dominates the large carbon footprint of households with an average of 8,68 t CO2e/household/year, followed by the transport sector with an average of 4,04 t CO2/household/year, and the consumption of goods and services with an average of 2,61 t CO2e/household/year. Factors that have strong and statistically significant relationship with a household’s carbon footprint are family size (number of family members), income, and electric power groups. Income shows the strongest correlation to the large carbon footprint of households (r = 0.872; p = 0.001), which means that the higher a household's income, the higher the household carbon footprint it produces.

Abstrak :
Kecamatan Lumajang yang merupakan daerah dengan penduduk terbanyak di Kabupaten Lumajang memiliki keunikan dalam menghasilkan jejak karbon. Penelitian ini menganalisis jejak karbon rumah tangga Kecamatan Lumajang untuk mengidentifikasi kegiatan yang berkontribusi menghasilkan jejak karbon, nilai jejak karbon, dan faktor-faktor yang mempengaruhi jejak karbon, serta memberikan rekomendasi untuk mengurangi jejak karbon rumah tangga. Pada penelitian ini dilakukan pengumpulan data konsumsi energi rumah tangga, aktivitas transportasi, dan konsumsi barang dan jasa dengan kuesioner online dan wawancara. Perhitungan jejak karbon dilakukan dengan kalkulator jejak karbon online oleh Carbon Footprint Ltd. Berdasarkan penelitian, rata-rata jejak karbon Kecamatan Lumajang adalah 0,507 mtCO2 per rumah tangga per bulan dan didominasi oleh jejak karbon energi (42%). Jejak karbon total berkorelasi rendah dengan tingkat pendidikan (r = 0,39, p = 5,2 x 10-5), berkorelasi sedang dengan penghasilan (r = 0,47, p = 4,0 x 10-6), dan berkorelasi sedang dengan golongan daya listrik (r = 0,45, p = 5,1 x 10-7). Jejak karbon energi berkorelasi rendah dengan tingkat pendidikan (r = 0,29, p = 0,01), berkorelasi sedang dengan penghasilan (r = 0,44, p = 2,8 x 10-5), berkorelasi rendah dengan luas lahan hunian (r = 0,28, p = 3,7 x 10-2), dan berkorelasi kuat dengan golongan daya listrik (r = 0,66, p = 3,9 x 10-16). Jejak karbon transportasi berkorelasi rendah dengan luas lahan hunian (r = 0,28, p = 3,7 x 10-2). Jejak karbon barang dan jasa berkorelasi rendah dengan penghasilan (r = 0,27, p = 4,1 x 10-2). Untuk mengurangi jejak karbon energi, metode reduksi absolut tepat digunakan mengingat hanya sedikit orang yang menggunakan energi terbarukan di rumah. Dalam meminimalkan jejak karbon transportasi, peralihan moda ke transportasi lebih rendah karbon lebih mudah diterapkan. Jejak karbon barang dan jasa paling baik dikurangi dengan meningkatkan efisiensi penggunaan barang yang ada. Upaya-upaya ini juga dapat didukung dengan mengembangkan kebijakan dan sistem untuk mengurangi jejak karbon. ......Lumajang District, the most populated district in Lumajang Regency, has uniqueness in generating carbon footprint. This study analyzed the household carbon footprint of Lumajang District to identify activities that contribute to generating carbon footprint, the carbon footprint value, and factors that affect the carbon footprint, as well as provide recommendations for reducing household carbon footprints. This study collected datas of household energy consumption, transportation activities, and consumption of goods and services with online questionnaires and interviews. The carbon footprint calculation used an online carbon footprint calculator by Carbon Footprint Ltd. Based on this study, the average carbon footprint in Lumajang District was 0.507 mtCO2 per household per month and it is dominated by energy carbon footprint. The total carbon footprint was low correlated with education level (r = 0.39, p = 5.2 x 10-5), moderately correlated with income (r = 0.47, p = 4.0 x 10-6), and moderately correlated also with the electric power group (r = 0.45, p = 5.1 x 10-7). Energy carbon footprint had low correlation with education level (r = 0.29, p = 0.01), moderate correlation with income (r = 0.44, p = 2.8 x 10-5), low correlation with residential land area (r = 0.28, p = 3.7 x 10-2), and strong correlation with the electric power group (r = 0.66, p = 3.9 x 10-16). The carbon footprint of transportation has a low correlation with the area of residential land (r = 0.28, p = 3.7 x 10-2). The carbon footprint of goods and services has a low correlation with income (r = 0.27, p = 4.1 x 10-2). To reduce the energy carbon footprint, the absolute reduction method is the best measure considering that there are only few people who use renewable energy at home. In minimizing transportation carbon footprint, switching modes to a low-carbon transportation is easier to implement. The carbon footprint of goods and services is best reduced by increasing efficiency of the usage of existing goods. These attempts can also be supported by developing policies and systems for reducing carbon footprints

Abstrak :
Konsumsi rumah tangga memberikan kontribusi sebesar 72% terhadap emisi GRK global sehingga diperlukan upaya pengendalian, salah satunya melalui studi jejak karbon rumah tangga. Penelitian yang dilakukan di Kecamatan Kelapa Gading ini bertujuan untuk menghitung rata-rata jejak karbon rumah tangga di Kecamatan Kelapa Gading, mengidentifikasi aktivitas dan faktor yang mempengaruhi jejak karbon rumah tangga tersebut, serta memberikan rekomendasi pengendalian jejak karbon rumah tangga. Perhitungan dilakukan dengan menggunakan kalkulator Carbon Footprint Ltd. yang memperhitungkan aktivitas konsumsi energi, transportasi, serta konsumsi barang dan jasa. Pengumpulan data dilakukan secara random-purposive sampling menggunakan kuesioner dimana data kemudian dianalisis secara statistik deskriptif dan regresi linear berganda. Penelitian dilakukan selama masa pandemi COVID-9 dengan pemberlakuan kebijakan PPKM tingkat 3. Berdasarkan hasil penelitian, diperoleh rata-rata jejak karbon rumah tangga di Kecamatan Kelapa Gading sebesar 1,77 MT CO2e per rumah tangga per bulan dengan dominasi oleh sektor energi (0,71 MT CO2e per rumah tangga per bulan) diikuti oleh sektor konsumsi barang dan jasa (0,66 MT CO2e per rumah tangga per bulan) serta transportasi (0,4 MT CO2e per rumah tangga per bulan). Jejak karbon rumah tangga tersebut dipengaruhi oleh beberapa faktor, antara lain penghasilan keluarga (r = 0,54 ; Sig = 3,45 x 10-9), ukuran keluarga (r = 0,31 ; Sig = 0,02), dan pola makan (r = 0,37 ; Sig = 0,01). Penghasilan keluarga menunjukkan korelasi yang sedang (r = 0,54) terhadap jejak karbon rumah tangga sementara ukuran keluarga (r = 0,31) dan pola makan (r = 0,37) menunjukkan korelasi yang rendah terhadap jejak karbon rumah tangga. Beberapa rekomendasi pengendalian jejak karbon rumah tangga yang ditawarkan antara lain pembuatan kebijakan konsumsi energi, optimasi penggunaan sumber energi terbarukan, konsumsi ekoefisien, serta perubahan gaya hidup rumah tangga yang intensif karbon. ...... Household consumption contributes 72% to global GHG emissions. Thus, control efforts are needed, one of which is through a household carbon footprint study. This research, which was conducted in Kelapa Gading District, aims to calculate the average household carbon footprint in Kelapa Gading District, identify activities and factors that affect the household's carbon footprint, and provide recommendations for controlling the household carbon footprint. Calculations were made using a calculator from Carbon Footprint Ltd. which takes into account the energy consumption, transportation, and consumption of goods and services activities. Data was collected using a random-purposively using questionnaire where the data were then analyzed using descriptive statistics and multiple linear regression. The study was conducted during the COVID-9 pandemic with the implementation of the PPKM level 3 policy. Based on the results of the study, the average household carbon footprint in Kelapa Gading District was 1.77 MT CO2e per household per month with the dominance of the energy sector (0 ,71 MT CO2e per household per month) followed by the consumption of goods and services sector (0.66 MT CO2e per household per month) and transportation (0.4 MT CO2e per household per month). The household's carbon footprint was influenced by several factors, including household income (r = 0.54 ; Sig = 3.45 x 10-9), household size (r = 0.31 ; Sig = 0.02), and diet (r = 0.37 ; Sig = 0.01). Household income showed a moderate correlation (r = 0,54) to the household carbon footprint while household size (r = 0,31) and diet (r = 0,37) showed a low correlation to the household carbon footprint. Several recommendations for controlling household carbon footprints were offered, including making energy consumption policies, optimizing the use of renewable energy sources, eco-efficient consumption, and changing carbon-intensive household lifestyles.