Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Pekerjaan rigger berisiko LBP, tujuan penelitian ini untuk mengetahui faktor risiko ergonomi pekerjaan dan tingkat risiko LBP serta pengendaliannya. Desain penelitian adalah cros sectional terhadap pekerja rigger, dengan menggunakan metode Rapid Entire Body Assesment (REBA). Hasil penelitian ini menunjukkan tingkat risiko tertinggi adalah pada saat melepaskan hook crane skor (11), sedangkan yang terendah adalah saat melepaskan lilitan wire sling skor (6). Disarankan menambah alat bantu berupa grating basket bertingkat, basket panjang, penyanggah casing, penyanggah hook crane dan meningkatkan perawatan pada alat bantu ini.

---

ABSTRACT
LBP can caused by Rigger jobs, the purpose of this study to determine ergonomic risk factor, level of risk and risk control of LBP. The study design was cross-sectional using REBA (Rapid entire body assessment) method. The result of this study shows that the highest risk rate was 'release the hook crane" with 11 score.The lowest score was "release the wire sling" with 6 score.This study suggest to added graded grating basket, long basket, casing buffer, hook crane buffer, and do appropriate maintenance to this tools.

Abstrak :
Latar belakangNyeri punggung bawah NPB pada perawat di RSUD tempat penelitian menyebabkan perawat yang menderita NPB menjadi kurang produktif karena nyeri dan disabilitas. Hal ini juga mengakibatkan tingginya angka absensi dan tingginya angka berobat ke klinik pegawai. Dipikirkan cara yang efektif, murah, mudah dan aman untuk mengatasi NPB pada perawat RSUD, yaitu dengan latihan punggung. Penelitian ini bertujuan untuk membuktikan efek latihan punggung terhadap tingkat nyeri dan nilai disabilitas pada perawat yang menderita NPB nonspesifik subakut dan kronik di RSUD tersebut. MetodeDesain penelitian ini adalah eksperimental kuasi. Sampel berjumlah 20 orang dan diberikan intervensi berupa latihan punggung sebanyak dua kali seminggu dengan durasi 30 menit selama empat minggu. Pengumpulan data dilakukan dengan cara mengukur tingkat nyeri menggunakan Visual Analog Scale VAS dan nilai disabilitas menggunakan Roland Morris Disability Questionnaire RMDQ sebelum dan sesudah intervensi. Variabel lain yang ikut diteliti adalah faktor umur, jenis kelamin, indeks massa tubuh, kebiasaan olahraga, adanya kecenderungan gangguan mental emosional dan masa kerja. HasilTingkat nyeri sebelum intervensi latihan adalah 3,4 0,8 sedangkan tingkat nyeri sesudah intervensi latihan adalah 0,5 0-5,6 . Hasil uji statistik terdapat perbedaan bermakna tingkat nyeri sebelum dan sesudah intervensi p < 0,001 . Nilai disabilitas sebelum intervensi adalah 6,8 2,1 sedangkan nilai disabilitas sesudah intervensi adalah 1,0 0-6,0 . Hasil uji statistik terdapat perbedaan bermakna nilai disabilitas sebelum dan sesudah intervensi p < 0,001 . Terdapat hubungan bermakna antara kecenderungan gangguan mental emosional terhadap perubahan nilai disabilitas p < 0,05 . Kesimpulan dan saranAda perbedaan bermakna tingkat nyeri dan nilai disabilitas pada perawat yang menderita NPB non-spesifik subakut dan kronik sebelum dan sesudah intervensi. Perlu dilakukan latihan punggung secara teratur bagi perawat yang menderita NPB nonspesifik subakut dan kronik sebagai tatalaksana NPB yang efektif, murah, mudah dan aman. Kata kunci: NPB, nyeri punggung bawah nonspesifik, tingkat nyeri, disabilitas, perawat, latihan punggung

---

ABSTRACT
BackgroundLow back pain LBP in nurses led them to become less productive due to pain and disability. It also affects nurse rsquo s absenteeism and increases clinic visits. Therefore, it is necessary to find the exact strategy to overcome this problem by applying back exercise. The purpose of this study was to prove the effect of back exercise on level of pain and disability in subacute and chronic non specific LBP on ward hospital nurses. MethodThe design of this study was quasi experimental with 20 samples. Subjects were given back exercise intervention about 30 minutes of duration, twice in a week for four weeks. Data were obtained by Visual Analog Scale VAS and Roland Morris Disability Questionnaire RMDQ before and after back exercise intervention. Other variables that come under study were age, gender, body mass index, regular exercise habit, tendency of mental emotional disorder, and years of working. ResultLevel of pain before back exercise intervention was 3.4 0.8 while level of pain after back exercise intervention was 0.5 0 5.6 . The difference was statistically significant p 0,001 . Disability score before back exercise intervention was 6.8 2.1 while disability score after back exercise intervention was 1.0 0 6.0 . The difference was statistically significant p 0.001 . There was a significant relationship between the tendency of mental emotional disorder to the change of disability score p 0.05 . Conclusion and recommendationThere was significant difference on level of pain and disability in subacute and chronic non specific LBP nurses before and after back exercise intervention. Doing back exercise regularly are recommended. Key words LBP, nonspecific low back pain, level of pain, disability, nurses, back exercise.

Abstrak :
ABSTRAK
Wajah merupakan suatu informasi biometrik yang dapat digunakan untuk menentukan identitas seseorang. Ukuran, bentuk, dan struktur wajah seseorang hampir tidak berubah sehingga cenderung stabil dan dapat digunakan sebagai masukan untuk mengenali seseorang.Unjuk kerja sebuah algoritme pengenalan wajah ditentukan oleh akurasi pengenalan wajah dan dinyatakan dalam persen akurasi pengenalan. Semakin besar nilai persen akurasi pengenalan wajah, maka semakin baik algoritme pengenalan wajah tersebut.Akurasi pengenalan wajah sangat dipengaruhi oleh deskriptor ciri yang merepresentasikan sebuah citra wajah dan desain pengklasifikasi. Perancangan deskriptor ciri citra wajah yang robust dipengaruhi oleh beberapa faktor seperti variasi pencahayaan, variasi pose, variasi ekspresi, resolusi citra wajah, jenis kelamin, ras, dan lain-lain.Untuk pengenalan wajah tradisional, biasanya faktor-faktor ini sedapat mungkin diatur agar akurasi pengenalan wajah lebih baik dalam tahap pencocokan. Tetapi untuk kondisi pengenalan wajah yang riil, dimana faktor-faktor di atas tidak dapat dikendalikan, seperti pencahayaan yang sangat kurang, pose yang tidak frontal, resolusi citra yang rendah, ekspresi yang variatif, maka diperlukan deskriptor wajah yang dapat mengakomodir kondisi-kondisi ini agar akurasi pengenalan wajah tetap baik.Disertasi ini mengusulkan pengembangan algoritme SCAN sebagai deskriptor wajah ciri lokal baru untuk meningkatkan akurasi pengenalan wajah yang disebabkan oleh variasi pencahayaan dan resolusi citra wajah yang rendah. Selain itu, suatu algoritme baru untuk menggabungkan Transformasi Fourier Diskrit sebagai deskriptor wajah ciri global dengan salah satu deskriptor wajah ciri lokal yang ada, yaitu LBP/LDiP/LDNP juga diusulkan di dalam disertasi ini untuk mengatasi persoalan pengenalan wajah akibat variasi pose, variasi ekspresi, dan adanya oklusi.Untuk simulasi pengenalan wajah karena variasi pencahayaan yang dilakukan pada Yale Face Database B, didapati deskriptor lokal berbasis teknik SCAN memiliki akurasi pengenalan sebesar 59,56 , dibandingkan PCA 4,74 , LDA 17,48 , LBP 12,37 , dan MLBP 45,33 . Untuk simulasi citra wajah dengan resolusi yang rendah pada database yang sama, algoritme SCAN memiliki akurasi pengenalan 44,34 , sedangkan PCA 20,44 , LDA 35,39 , LBP 3,68 , dan MLBP 44,08 .Untuk simulasi menggunakan database ORL, akurasi pengenalan wajah karena variasi pose, ekspresi, dan adanya oklusi secara acak menggunakan kombinasi DFT dan LBP menggungguli deskriptor global PCA dan LDA serta deskriptor lokal LBP, LDiP,LDNP untuk citra wajah mulai dari jumlah citra latih sebanyak tiga untuk tiap subyek. Selain itu, algoritme penggabungan deskriptor global DFT dengan deskriptor lokal LBP atau LDiP atau LDNP menghindarkan fenomena peaking di dalam penambahan citra latih untuk pengenalan wajah karena variasi pose, ekspresi, dan adanya oklusi secara acak.

---

ABSTRACT
A face is an information that attached to a person and always be with the person every time. The size, shape, and structure of a person 39 s face is virtually unchanged, which tends to be stable and can be used as input to recognize a person.The performance of a face recognition algorithm depends on the recognition rate and is usually expressed in percentage. The higher the recognition rate, the better the algorithm. The recognition rate is affected by a feature descriptor and a classifier design. Several factors such as illumination variation, pose variation, expression variation, face image resolution, sex, race, etc, should be considered to design a robust face descriptor.For traditional face recogntion, these factors were well controlled in order to get a better recognition rate at matching phase. However, for real problem face recognition, where these factors were difficult to be controlled, such as for very low intensities, non frontal pose, low resolution face image, diverse expressions, then it is important to carefully design a face descriptor that may accomodate these situations to get a better recognition rate.This dissertation propose the SCAN algorithm as a new local feature descriptor to improve face recognition accuracy caused by intensities variation and low resolution of a facial image. In addition, a new algorithm that combine Fourier Discrete Transform as a global feature descriptors with one of the existing local characteristic descriptors, LBP LDiP LDNP was also proposed in this dissertation to address facial recognition problems due to variation of pose, variation of expression, and the presence of occlusion.For facial recognition simulations due to variations of lighting performed at Yale Face Database B, local SCAN based descriptor has an recognition accuracy of 59.56 , compared to PCA 4.74 , LDA 17.48 , LBP 12 , 37 , and MLBP 45.33 . For simulation of low resolution images on the same database, SCAN algorithm has an accuracy of 44.34 , while PCA 20.44 , LDA 35.39 , LBP 3.68 , and MLBP 44.08 .For simulations using the ORL database, the face recognition accuracy due to variations of random pose, expression, and occlusion using a combination of DFT and LBP outperformed global descriptors PCA and LDA as well as local descriptors LBP, LDiP, LDNP for face images starting from three face images as the training face images for each subject. In addition, the algorithm that combine DFT global descriptor with LBP or LDiP or LDNP as local descriptors avoids peaking phenomena along with the increasing of training images for face recognition due to variations of random pose, expression, and occlusion.

Abstrak :
ABSTRAK

Skripsi ini membahas tentang simulasi sistem untuk mendeteksi pejalan kaki. Dikarenakan hak pejalan kaki yang masih dipandang sebelah mata, maka tidak pernah luput dari kejadian yang tidak diinginkan seperti kecelakaan. Penelitian skripsi ini bertujuan agar mengetahui bagaimana kinerja sistem untuk mendeteksi pejalan kaki. Simulasi ini memanfaatkan aplikasi MATLAB sebagai hasil output-nya. Dengan menggabungkan tiga metode sebagai acuannya yaitu Background Subtraction, Histogram of Oriented Gradient (HOG) dan Local Binary Pattern (LBP), memberikan output dimana dapat mendeteksi pejalan kaki. Vision.PeopleDetector digunakan untuk mendeteksi pejalan kaki secara tegak dan GetMapping untuk LBP. Dari sistem yang dibuat dilakukan analisis berdasarkan waktu dan akurasi deteksi dengan membandingkan empat metode, yaitu HOG, Background Subtraction-HOG, HOG-LBP dan Background Subtraction-HOG-LBP. Hasilnya adalah metode gabungan Background Subtraction-HOG-LBP tidak sebaik metode yang lain. Waktu eksekusi selama 255,41 second. Akurasi 10 fps sebesar 59,5 % dan 20 fps sebesar 51%. Akurasi resolusi sebesar 640x480 42% dan 480x320 sebesar 44%.

---

ABSTRACT

This final assignment discusses about system simulation for pedestrian detection. Because of the rights of pedestrian who are still underestimated, then never escape from undesirable events such as accident. This research aims to find out how the system works to detect pedestrian. This simulation use MATLAB software as output. Pedestrian detection simulation combine three methods, there are Background Subtraction, Histogram of Oriented Gradient (HOG) and Local Binary Pattern (LBP). Vision.PeopleDetector used to detect pedestrian in an upright and GetMapping for LBP. From the system, you can do analysis time and accuracy by comparing four methods, they are HOG, Background Subtraction-HOG, HOG-LBP and Background subtraction-HOG-LBP. The result is method of Background Subtraction-HOG-LBP is not as good as other methods. Elapsed time is 255,41 seconds. Resolution accuracy is 42% for 640x480 and 44% for 480x320.

Abstrak :
Skripsi ini membahas tentang simulasi sistem untuk mendeteksi pejalan kaki. Dikarenakan hak pejalan kaki yang masih dipandang sebelah mata, maka tidak pernah luput dari kejadian yang tidak diinginkan seperti kecelakaan. Penelitian skripsi ini bertujuan agar mengetahui bagaimana kinerja sistem untuk mendeteksi pejalan kaki. Simulasi ini memanfaatkan aplikasi MATLAB sebagai hasil output-nya. Dengan menggabungkan tiga metode sebagai acuannya yaitu Background Subtraction, Histogram of Oriented Gradient (HOG) dan Local Binary Pattern (LBP), memberikan output dimana dapat mendeteksi pejalan kaki. Vision.PeopleDetector digunakan untuk mendeteksi pejalan kaki secara tegak dan GetMapping untuk LBP. Dari sistem yang dibuat dilakukan analisis berdasarkan waktu dan akurasi deteksi dengan membandingkan empat metode, yaitu HOG, Background Subtraction-HOG, HOG-LBP dan Background Subtraction-HOG-LBP. Hasilnya adalah metode gabungan Background Subtraction-HOG-LBP tidak sebaik metode yang lain. Waktu eksekusi selama 255,41 second. Akurasi 10 fps sebesar 59,5 % dan 20 fps sebesar 51%. Akurasi resolusi sebesar 640x480 42% dan 480x320 sebesar 44%.

---

This final assignment discusses about system simulation for pedestrian detection. Because of the rights of pedestrian who are still underestimated, then never escape from undesirable events such as accident. This research aims to find out how the system works to detect pedestrian. This simulation use MATLAB software as output. Pedestrian detection simulation combine three methods, there are Background Subtraction, Histogram of Oriented Gradient (HOG) and Local Binary Pattern (LBP). Vision.PeopleDetector used to detect pedestrian in an upright and GetMapping for LBP. From the system, you can do analysis time and accuracy by comparing four methods, they are HOG, Background Subtraction-HOG, HOG-LBP and Background subtraction-HOG-LBP. The result is method of Background Subtraction-HOG-LBP is not as good as other methods. Elapsed time is 255,41 seconds. Resolution accuracy is 42% for 640x480 and 44% for 480x320.

Abstrak :
Sistem pengenalan wajah telah banyak diaplikasikan dengan menggunakan berbagai metode, diantaranya: metode PCA, metode ICA, metode LDA, metode EP, metode EBGM, metode Kernel, metode 3-D Morphable, metode 3-D Face Recognition, metode Bayesian Framework, metode HMM, metode SVM, dan sebagainya. Pada penelitian ini digunakan metode Local Binary Pattern LBP untuk melakukan ekstraksi fitur citra wajah, serta metode SVM dan KNN untuk mengukur tingkat akurasi sistem pengenalan wajah. Data yang digunakan pada penelitian ini yaitu citra wajah 25 mahasiswa Matematika Universitas Indonesia, masing-masing individu diambil 10 citra wajah yang berbeda terdiri dari 5 citra wajah menggunakan kacamata dan 5 citra lainnya tidak menggunakan kacamata, serta diambil dari sudut yang berlainan. Berdasarkan pengujian yang telah dilakukan, metode KNN dengan memperoleh tingkat akurasi terbaik yaitu sebesar 96.20 pada iterasi 100 dan 90 data training. Hal ini menunjukkan metode KNN lebih baik dibandingkan dengan metode SVM yang hanya memperoleh tingkat akurasi sebesar 94.80 pada iterasi 100 dan 90 data training.

---

Face recognition has been widely applied using various methods, that is PCA, ICA, LDA, EP, EBGM, Kernel, 3 D Morphable, 3 D Face Recognition, Bayesian Framework, HMM, SVM, etc. In this research, the Local Binary Pattern LBP method is used to perform feature extraction of a facial image, and to measure the accuracy level of face recognition used SVM and knn method. The data used in this research are face images of 25 mathematics students of University of Indonesia, each individual took 10 different facial images consisting of 5 face images are using glasses with 5 different angles and 5 other images aren 39 t using glasses that also taken from the same 5 different angles. Based on the tests, KNN method with K 1 obtained the best accuracy of 96.20 at 100 iterations and 90 training data. This result shows the KNN method is better than the SVM method which only obtained 94.80 at 100 iterations and 90 of training data.

Abstrak :
Nyeri punggung bawah NPB merupakan salah satu gangguan muskuloskeletal yang berisiko tinggi dialami oleh perawat. Penelitian ini bertujuan untuk mengetahui hubungan supervisi keperawatan dengan perilaku pencegahan NPB pada perawat pelaksana di rumah sakit. Penelitian ini menggunakan pendekatan desain cross sectional dengan jumlah sampel 141 perawat. Instrumen yang digunakan yaitu kuesioner General Self-Efficacy yang berisi 10 pertanyaan, kuesioner supervisi keperawatan yang berisi 20 pertanyaan tentang persepsi perawat pelaksana terhadap supervisi keperawatan, dan kuesioner perilaku pencegahan NPB untuk mengetahui persepsi perawat pelaksana dalam melakukan tindakan pencegahan NPB. Uji statistik menggunakan Chi Square dengan signifikasi le;0,050 menunjukkan adanya hubungan yang bermakna antara supervisi keperawatan dengan perilaku pencegahan NPB pada perawat pelaksana di rumah sakit p=0,015 dan nilai koefisien korelasi r=0,214. NPB pada perawat pelaksana dapat dicegah dengan meningkatkan kesadaran tentang perlunya memperhatikan aspek keselamatan diri selama bekerja dan mengoptimalkan fungsi supervisi keperawatan. ......Lower back pain LBP is one of the high risk musculoskeletal disorders found by nurses. This research aims to identify the relationship nursing supervision and LBP preventive behavior among nurses in the hospital. This study used cross sectional design with 141 samples of nurses. The instrument used was General Self Efficacy questionnaire consisting of 10 questions, a nursing supervision questionnaire containing 20 questions about the nurse 39s perception of the nursing supervision, and questionnaire on LBP preventive behavior among nurses in hospital to know perception of nurse in taking LBP preventive action. The statistical test using Chi Square with significance le 0,050 showed a significant correlation between nursing supervision and LBP preventive behavior among nurses in the hospital p 0,015 and the coefficient correlation r 0.214. LBP in nurses can be prevented by raising awareness of nurses about the need to pay attention to aspects of personal safety during work and optimize the nursing supervision function.