Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Pada saat ini, penyakit kanker telah menjadi salah satu masalah yang sulit diatasi. Penyakit ini tidak hanya sulit untuk disembuhkan, tetapi juga sulit untuk dideteksi dan dapat menyebabkan kematian. Untuk itu direkayasa metode terapi RF ablation untuk terapi kanker. Metode RF ablation merupakan sebuah metode minimally invasive dimana aplikator dimasukkan ke dalam tubuh untuk pemanasan local terapi sel kanker. Sel kanker tersebut yang terkena suhu lebih dari 60 ⁰C akan mengalami kehancuran seketika karena sel yang terpapar suhu lebih dari 60⁰C dalam waktu yang lama akan mengalami kehancuran. Untuk kesuksesan terapi, cakupan distribusi temperatur lokal yang sempurna pada sel kanker harus tercapai Skripsi ini bertujuan untuk mendapatkan aplikator bekerja pada frekuensi kerja biomedis 2,45 GHz dan zona ablasi yang menyelimuti seluruh bagian sel kanker. Simulasi dilakukan menggunakan phantom sederhana yang merepresentasikan struktur tubuh manusia dewasa beserta model hati dan sel kanker pada hati. Aplikator yang telah didesain kemudian difabrikasi, diukur dalam keadaan free space dan dengan phantom agar-agar serta hati sapi. Parameter yang diukur merupakan parameter S11 dimana diperoleh magnitude koefisien refleksi -17,6 dB pada 1685 MHz. Hasil pengukuran dengan phantom agar- agar didapat -25,3 dB pada 2,45 GHz. Sedangkan hasil pengukuran menggunakan phantom hati sapi didapat -14,25 dB pada 910 MHz.

---

ABSTRACT
At this time, cancer has become one of the problems that are difficult to overcome. The disease is not only difficult to cure, but it is also difficult to detect and can cause death. For that reason, RF ablation treatment method was engineered to cure cancer. RF ablation method is a method in which the antenna applicator is inserted into the body to heat cancer cells. The cancer cells were exposed to temperature more than 60 ⁰C will experience instantaneous cell death because the cells are exposed to temperature of more than 60 ⁰C in a long time will suffer cell destruction. For the success of the treatment, the perfect temperatur distribution coverage on the cancer cells to be achieved. This final project purpose is to obtain applicator that operates at biomedical frequency 2.45 GHz and ablation zone that engulfed entire cancerous cell Simulations are performed using a simple phantom which represents the adult human body structure along with models of liver and liver cancer cells. The designed applicator then fabricated and measured in free space environment and agar-agar phantom also bovine liver phantom environment. Measured parameters is S11 parameter where the magnitude of reflection coefficient is-17.6 dB at 1685 MHz. Measurement result with agar-agar phantom is -25,3 dB at 2.45 GHz. Measurement results with bovine liver phantom is -14.25 dB at 910 MHz.

Abstrak :
Ablasi termal dilakukan dengan memanfaatkan perubahan temperatur untuk menghancurkan jaringan yang abnormal atau memulihkan fungsinya. Teknik terbaru pada ablasi termal adalah Ablasi Gelombang Mikro MW Ablation yang mengandalkan pada propagasi gelombang elektromagnetik yang mampu meningkatkan suhu dari jaringan secara cepat. Perubahan temperatur ketika ablasi akan menyebabkan kandungan air pada jaringan organ tubuh akan berkurang 78 jaringan dari organ hati terdiri dari air dan mempengaruhi nilai permitivitas dan konduktivitas dari jaringan tersebut. Perubahan ini menyebabkan pola radiasi dan impedance matching dari antena aplikator berubah selama proses ablasi berlangsung. Perubahan impedansi membuat sistem menjadi tidak match pada frekuensi kerja sebelumnya Untuk mengakomodasi beberapa frekuensi yang banyak digunakan dalam teknik ablasi gelombang mikro dan untuk menanggulangi masalah yang muncul akibat efisiensi transmisi yang berkurang maka dirancanglah suatu aplikator yang memliki karekteristik Ultrawideband UWB. Pada penelitian telah dirancang suatu aplikator yang memiliki karakteristik UWB dengan memodifikasi bidang pentanahan aplikator tersebut dengan bentuk slot lingkaran. Hasil pengukuran magnitudo koefisien refleksi dan VSWR menunjukkan aplikator hasil fabrikasi memiliki impedance bandwidth sebesar 7.616 GHz 2.384 GHz ndash; 10 GHz . Hasil tersebut telah memenuhi definisi UWB dan dapat mengakomodasi beberapa frekuensi kerja yang digunakan pada ablasi gelombang mikro 2.45 GHz, 5.8 GHz, 9.2 GHz, 10 GHz.

---

Thermal ablation is done by utilizing temperature changes to destroy the abnormal tissue or restore its function. The latest technique in thermal ablation is Microwave Ablation MW Ablation that rely on the propagation of electromagnetic waves that able to increase the temperature of a tissue rapidly. Changes in temperature during the ablation process will reduce the water content in the body tissue 78 of the liver tissue is composed of water and affect the value of permittivity and conductivity of the tissue. These changes cause the radiation pattern and impedance matching of the antena applicator also change during the ablation process. The change on impedance will make the system does not match with the frequency of previous work. To accommodate some of the frequencies that are widely used in microwave ablation technique and to tackle the problems arising from the reduced transmission efficiency then an applicator that possess Ultrawideband UWB characteristics is designed. In this study, we have designed an applicator which has the characteristics of UWB by modifying the ground plane of the applicator with a circle slot in the ground plane. The measurement result of reflection coefficent S11 and VSWR shows that the fabricated applicator has a impedance bandwidth of 7.616 GHz 2.384 GHz ndash 10 GHz. The results have met the UWB definition and can accommodate multiple working frequencies used in microwave ablation 2.45 GHz, 5.8 GHz, 9.2 GHz, 10 GHz.

Abstrak :
ABSTRACT
Hepatitis merupakan penyakit peradangan pada hati yang dapat disebabkan oleh virus hepatitis. Di antara lima jenis hepatitis, hepatitis B dan hepatitis C merupakan jenis hepatitis yang dapat berkembang menjadi kanker hati. Kanker hati merupakan jenis kanker nomor tujuh tertinggi di dunia dan nomor tiga yang menyebabkan kematian karena kanker. Seseorang yang memiliki gejala penyakit hepatitis dapat melakukan serangkaian uji laboratorium untuk melihat kondisi kesehatannya. Hasil laboratorium hepatitis dapat kita manfaatkan untuk membentuk suatu program yang dapat mengklasifikasi hepatitis B dan hepatitis C. K-Means Clustering merupakan salah satu metode clustering yang dapat dimanfaatkan untuk mengklasifikasi hepatitis B dan hepatitis C. K-Means Clustering cukup mudah untuk diimplementasikan dan waktu yang digunakan untuk mengolah data juga cukup sedikit sehingga, metode ini cukup baik untuk mengklasifikasi data hepatitis B dan hepatitis C. Sementara, Spherical K-Means merupakan metode lanjutan dari K-Means Clustering. Hasil klasifikasi dari dua buah metode akan digunakan untuk melihat akurasi dari kedua buah metode dan membandingkan kedua metode tersebut.

---

ABSTRACT
Hepatitis is an inflammatory disease of the liver caused by hepatitis virus. Among the five types of hepatitis virus, hepatitis B and hepatitis C is the types of hepatitis that can develop into liver cancer. Liver cancer is number seventh in the world for the highest cancer case and number third of the highest death because of cancer. Someone who has symptoms of hepatitis can carry out a series of laboratory tests to see his health condition. This laboratory results can be used to form a program to classify hepatitis B and hepatitis C data. K-Means Clustering is a clustering method which can be used to classify hepatitis B and hepatitis C data. K-Means Clustering was rather easy to use and less time was needed to running the program of K-Means Clustering, with the result that, K-Means Clustering method was good enough to classify hepatitis B and hepatitis C data. While, Spherical K-Means is an advanced method of K-Means Clustering. Classification results from this two methods will be used to see the accuracy of the data and compare the two methods.

Abstrak :

Kanker hati merupakan penyebab utama kematian akibat kanker di seluruh dunia. Di Indonesia, kanker hati menempati angka kejadian tertinggi kedua untuk laki laki yaitu sebesar 12,4 per 100.000 penduduk dengan rata-rata kematian 7,6 per 100.000 penduduk. Pada tugas akhir ini, dibahas mengenai kanker hati primer dengan jenis hepatocellular carcinoma. Metode Twin Support Vector Machines (Twin SVM) diimplementasikan untuk mengklasifikasikan data kanker hati berdasarkan hasil CT scan. Data yang digunakan adalah data numerik hasil CT scan pasien yang menderita kanker hati dan diperoleh dari Laboratorium Radiologi RSUPN Cipto Mangunkusumo. Metode Twin SVM adalah pengembangan dari metode SVM yang menggunakan dua hyperplane dalam mengklasifikasikan sampel. Pada tugas akhir ini, kernel yang digunakan pada metode Twin SVM adalah polinomial dan radial basis function (RBF). Berdasarkan hasil perbandingan, klasifikasi data kanker hati menggunakan metode Twin SVM dengan kernel Polinomial menghasilkan akurasi tertinggi sebesar 77,30% pada penggunaan data testing sebesar 10% dan data training 90%. Selain itu, nilai akurasi terendah terdapat pada kernel RBF menghasilkan sebesar 60,10% pada penggunaan data testing sebesar 90% dan data training 10% dan nilai parameter 𝐶 = 1. Jika dibandingkan, klasifikasi data kanker hati dengan menggunakan metode Twin SVM dengan kernel polinomial menghasilkan nilai akurasi yang lebih baik.

---

Liver cancer is the main cause of cancer death in the worldwide. In Indonesia, the incidence rate of liver cancer is the second highest for men, that is 12.4 per 100,000 population with the average death rate is 7.6 per 100,000 population. This final project discusses primary liver cancer with a type of hepatocellular carcinoma. The Twin Support Vector Machines (Twin SVM) method was implemented to classify liver cancer data based on CT scan results. The data used are numerical data from CT scan results of patients suffering from liver cancer and obtained from the Radiology Laboratory of Cipto Mangunkusumo Hospital. The Twin SVM method is the development of the SVM method that uses two hyperplane in classifying samples. In this final project, the kernel used in the Twin SVM method is polynomial and radial basis function (RBF). Based on the comparison results, the classification of liver cancer data using the Twin SVM method with a polynomial kernel produces the highest accuracy of 77.30% on the use of testing data of 10% and training data of 90%. In addition, the lowest accuracy value is found in the RBF kernel resulting in 60.10% on the use of testing data of 90% and training data of 10% and the parameter value of C=1. When compared, the classification of liver cancer data using the Twin SVM method with a polynomial kernel produces better accuracy values.

Abstrak :
Kanker hati adalah kondisi ketika sel-sel dalam hati tumbuh di luar kendali. Pada tahun 2020, kanker hati menempati urutan keempat kanker dengan jumlah kasus baru dan kematian tertinggi di Indonesia. Faktor risiko utama kanker hati adalah penyakit hati kronis. Tujuan penelitian ini adalah mengetahui risiko penyakit hati berkembang menjadi kanker hati pada peserta dengan dan tanpa penyakit hati di Indonesia tahun 2019-2021. Penelitian ini menggunakan Data Sampel BPJS Kesehatan tahun 2019-2021 dengan desain kohort retrospektif dan didapatkan jumlah sampel 824.592 terbobot. Analisis menggunakan uji Cox Proportional Hazard. Hasil penelitian menunjukan bahwa peserta dengan penyakit hati memiliki probabilitas dan risiko kanker hati yang lebih tinggi dibandingkan peserta yang tidak memiliki penyakit hati (CEP 1,61%; 95% CI 0,08% – 3,14%; AHR 98,5; 95% CI 40,6 – 239,4). Berdasarkan jenis dan jumlah penyakit hatinya, peserta dengan hepatitis kronis (AHR 153,9; 95% CI 32,3 – 690,7) dan menderita lebih dari 2 jenis penyakit hati (AHR 140,1; 95% CI 18,5 – 1061,7) memiliki risiko kanker hati paling tinggi dibandingkan kategori lainnya. Hasil studi menyimpulkan bahwa penderita penyakit hati, terutama hepatitis kronis, memiliki risiko sangat tinggi mengalami kanker hati. Untuk itu, perlu surveilans kanker hati secara nasional pada kelompok penduduk tersebut guna mencegah penyakit hati berkembang menjadi kanker hati. ......Liver cancer is condition characterized by uncontrolled growth of liver cells. In 2020, Liver cancer ranked fourth among new cancer cases and had highest mortality rate among cancers in Indonesia. The main risk factor for liver cancer is chronic liver disease. This study aimed to determine risk of liver disease progressing to liver cancer in participants with and without liver disease in Indonesia from 2019-2021. Retrospective cohort study was conducted using BPJS Kesehatan Sample Data from 2019-2021, with weighted sample size of 824,592. Cox Proportional Hazard analysis was performed. The results showed that participants with liver disease had higher probability and risk of liver cancer compared to those without liver disease (CEP 1.61%; 95% CI 0.08%–3.14%; AHR 98.5; 95% CI 40.6–239.4). Among different types and numbers of liver diseases, participants with chronic hepatitis (AHR 153.9; 95% CI 32.3–690.7) and those with more than two types of liver diseases (AHR 140.1; 95% CI 18.5–1061.7) had highest risk of liver cancer compared to others. The study concluded that patients with liver disease, particularly chronic hepatitis, have elevated risk of developing liver cancer. Therefore, national surveillance for liver cancer in this group is crucial to prevent progression of liver disease to liver cancer.

Abstrak :
Kanker adalah salah satu penyebab kematian utama di dunia,dengan jumlah kematian sekitar sepuluh juta kematian setiap tahun. Kanker hati menempati peringkat keenam untuk jenis kanker yang umum terjadi pada pria dan wanita. Menurut penelitian, pendeteksian dini penting untuk mencegah penyebaran kanker ke organ lain. Hal ini menyebabkan penggunaan machine learning di bidang medis untuk mengklasifikasikan data kanker agar manghasilkan diagnosis yang tepat. Namun ada kalanya dibutuhkan lebih dari satu algoritma untuk meningkatkan akurasi. Maka dari itu, penelitian ini bertujuan untuk menganalisis pengaruh Genetic Algorithm sebagai penyetelan hyperparameter untuk nilai akurasinya, Penggunaan Random Forest dengan Genetic Algorithm sebagai penyetel hyperparameter memberikan akurasi sebesar 85% dengan data testing 90%. Sementara untuk Random Forest saja, hasil akurasi tertinggi adalah 73% dengan data testing sebesar 40%. ......Cancer is one of the leading causes of mortality worldwide, with approximately ten million deaths each year. Liver cancer is the sixth most common type that occurs in both men and women. According to scientific studies, early detection is important to prevent the spread of this ailment to other organs. This led to Machine Learning in medical fields for classifying cancer data to produce an accurate diagnosis. However, there are times where just one machine learning algorithm is not giving a good accuracy score. Therefore, this study aims to analyze the effect of using Genetic Algorithm as hyperparameter tuning in terms of the accuracy level. The usage of  Random Forest with Genetic Algorithm as the hyperparameter tuning algorithm gives the accuracy of 85% with 90% data testing. Meanwhile, with Random Forest alone, the highest accuracy score is 73% with 40% testing data.

Abstrak :
Hati adalah salah satu organ yang paling aktif secara metabolik di dalam tubuh dan berfungsi dalam proses homeostatis dan sintetik yang penting untuk kelangsungan hidup manusia. Kanker hati diperkirakan menjadi kanker keenam yang paling sering didiagnosis dan penyebab utama kematian keempat akibat kanker di seluruh dunia pada tahun 2018. Dalam mendeteksi kanker hati, terdapat metode magnetic resonance imaging (MRI) atau computed tomography (CT) yang digunakan. Namun, kurang dari 40% pasien didiagnosis pada tahap awal dan pada kanker hati lanjut hanya pilihan pengobatan paliatif yang tersedia dengan kelangsungan hidup yang buruk. Oleh karena itu, diperlukannya riset-riset terkait metode yang tepat untuk mengklasifikasi kanker hati. Salah satu metode yang dapat digunakan adalah machine learning yang menemukan pola melalui pembelajaran historis dan tren pelatihan data untuk memprediksi karakteristik data baru. Pada tugas akhir ini, dua metode machine learning yang digunakan adalah Convolutional Neural Network (CNN) dan Gated Recurrent Unit (GRU). Keutamaan dari CNN adalah adanya konvolusi yang bertugas untuk mengubah input menjadi sekumpulan fitur melalui filter atau kernel. Sedangkan keutamaan metode GRU adalah adanya update gate dan reset gate yang dapat mengingat informasi penting sebelumnya. Pada tugas akhir ini, CNN digunakan dalam mengekstraksi data citra dan GRU digunakan untuk klasifikasi data citra. Penggabungan metode CNN dan GRU menjadi CNN-GRU bertujuan untuk meningkatkan performa dari CNN dalam mengklasifikasi data citra kanker hati. CNN-GRU menghasilkan nilai akurasi terbesar 81,25% sedangkan CNN menghasilkan nilai akurasi terbesar 77,78% dari lima kali percobaan. ......The liver is one of the most metabolically active organs in the body and functions in the homeostatic and synthetic processes essential for human survival. Liver cancer is estimated to be the sixth most frequently diagnosed cancer and the fourth leading cause of cancer death worldwide in 2018. In detecting liver cancer, magnetic resonance imaging (MRI) or computed tomography (CT) methods are used. However, less than 40% of patients are diagnosed at an early stage, and in advanced liver cancer, only palliative treatment options are available with poor survival. Therefore, research is needed regarding the right method to classify liver cancer. One method that can be used is machine learning which finds patterns through historical learning and data training trends to predict the characteristics of new data. In this final project, the two machine learning methods used are Convolutional Neural Network (CNN) and Gated Recurrent Unit (GRU). The advantage of CNN is a convolution whose task is to convert the input into a set of features through a filter or kernel. Meanwhile, the advantage of GRU method is that can remember important previous information because GRU has reset and update gate. In this final project, CNN is used in extracting image data and GRU is used for image data classification. The combination of the CNN and GRU methods into CNN-GRU aims to improve the performance of CNN in classifying liver cancer image data. CNN-GRU produced the greatest accuracy value of 81.25% while CNN produced the greatest accuracy value of 77.78% from five experiments.