Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam pengamatan gerak Brown untuk mencari nilai koefisien difusi, dibutuhkan sebuah sistem yang memiliki akurasi tinggi untuk pendeteksian koordinat partikel dalam orde mikrometer. Pada penelitian ini dibuat sebuah sistem untuk menganalisa pergerakan partikel microbead dalam larutan nanogold dengan variasi temperatur dalam bentuk input berupa video dan menghasilkan output berupa nilai koefisien difusi dari partikel yang terdapat pada video. Sistem ini memanfaatkan machine learning sebagai detektor koordinat partikel. Digunakan TensorFlow Object Detection API sebagai backend sistem ini dan CenterNet sebagai aristektur model yang digunakan. Koordinat partikel berhasil dideteksi dengan rata-rata error pada pendeteksian senilai 0.6 piksel. Metode mean squared displacement digunakan untuk menghitung koefisien difusi. Didapatkan nilai koefisien difusi untuk microbead pada suhu 36,37,38,39,40oC secara berurutan sebesar 8.581 x 10-14, 9.925 x 10-14, 10.113 x 10-14, 10.374 x 10-14, 14.875 x 10-14 m2/s. Didapati nilai kenaikan koefisien difusi setiap kenaikan 1oC sebesar 1.3037 x 10-14 m2/s.

---

In observing Brownian motion to find the value of the diffusion coefficient, a system that has high accuracy is needed for the detection of particle coordinates in domain of micrometers. In this study, a system was created to analyze the movement of microbead particles in a nanogold solution with temperature variations in the form of video input and produce output in the form of the diffusion coefficient value of the particles in the video. This system utilizes machine learning as a particle coordinate detector. The TensorFlow Object Detection API is used as the backend of this system and CenterNet as the model architecture. The particle coordinates were detected successfully with an average detection error of 0.6 pixels. The mean squared displacement method is used to calculate the diffusion coefficient. The diffusion coefficient values for microbeads at a temperature of 36,37,38,39,40oC respectively were 8,581 x 10-14, 9.925 x 10-14, 10,113 x 10-14, 10,374 x 10-14, 14,875 x 10-14m2/s. It was found that the value of the increase in the diffusion coefficient for every 1oC increase was 1.3037 x 10-14 m2/s"

"Dalam melakukan pengamatan gerak Brown untuk mencari nilai koefisien difusi, dibutuhkan sebuah sistem yang memiliki akurasi tinggi untuk pendeteksian koordinat partikel dalam orde mikrometer. Pada penelitian ini dibuat sebuah sistem untuk menganalisa pergerakan partikel microbead dalam larutan nanogold dengan variasi temperatur dalam bentuk input berupa video dan menghasilkan output berupa nilai koefisien difusi dari partikel yang terdapat pada video. Sistem ini memanfaatkan machine learning sebagai detektor koordinat partikel. Digunakan TensorFlow Object Detection API sebagai backend sistem ini dan CenterNet sebagai aristektur model yang digunakan. Koordinat partikel berhasil dideteksi dengan rata-rata error pada pendeteksian senilai 0.6 piksel. Metode mean squared displacement digunakan untuk menghitung koefisien difusi. Didapatkan nilai koefisien difusi untuk microbead pada suhu 36, 37, 38, 39, 40oC secara berurutan sebesar 8.581 x 10-14, 9.925 x 10-14, 10.113 x 10-14, 10.374 x 10-14, 14.875 x 10-14 m2/s. Didapati nilai kenaikan koefisien difusi setiap kenaikan 1oC sebesar 1.3037 x 10-14 m2/s.

---

In observing Brownian motion to find the value of the diffusion coefficient, a system that has high accuracy is needed for the detection of particle coordinates in domain of micrometers. In this study, a system was created to analyze the movement of microbead particles in a nanogold solution with temperature variations with video file as an input and produce diffusion coefficient value of the particles in the video as the output. This system utilizes machine learning as a particle coordinate detector. The TensorFlow Object Detection API is used as the backend of this system and CenterNet as the model architecture. The particle coordinates were detected successfully with an average detection error of 0.6 pixels. The mean squared displacement method is used to calculate the diffusion coefficient. The diffusion coefficient values ​​for microbeads at a temperature of 36, 37, 38, 39, 40oC respectively were 8,581 x 10-14, 9.925 x 10-14, 10,113 x 10-14, 10,374 x 10-14, 14,875 x 10-14m2/s. It was found that the value of the increase in the diffusion coefficient for every 1oC increase was 1.3037 x 10-14 m2/s."

"Difusi seringkali ditinjau secara makroskopis namun pada kasus ini, masing masing partikel yang mempengaruhi terjadinya difusi yaitu perataan konsentrasi dalam suatu larutan akan ditinjau. Masing-masing partikel akan bergerak secara bebas akibat interaksi antar partikel dan molekul gas sekitar yang dapat mengakibatkan terjadinya peristiwa Gerak Brown. Melalui studi ini, diamati 3 variasi dari suatu partikel bernama microbead polystyrene yang akan diamati peristiwa gerak Brown yang terjadi pada partikel untuk menghitung koefisien difusi dari partikel tersebut. Digunakan metode Mean Square Displacement (MSD) sebagai metode utama perhitungan koefisien difusi namun untuk mewujudkan hal tersebut, diperlukan data berupa koordinat pergerakan partikel dalam 2 dimensi sehingga dengan bantuan dari 2 instrumen utama berupa machine learning dan Python 3.7, dibuatlah suatu sistem untuk mengukur koefisien difusi suatu partikel microbead polystyrene yang dapat dilakukan secara otomatis dengan memberikan video pergerakan partikel tersebut. Hasil dari penelitian akan menunjukan bahwa semakin besar partikel, semakin kecil koefisien difusi yang dihasilkan.

---

Diffusion has been widely researched macroscopically but, in this case, each particle that influences the diffusion phenomenon which is the spreading of a concentrated liquid will be observed. Each particle will move freely as a result of the interactions between the gasses of the liquid covering the particle and the particle itself in where Brownian motion can occur. Through this study, 3 size variants of a particle known as the polystyrene microbead will be observed under microscope to see how it acts when Brownian motion occurs which in result, will be able to calculate the diffusion coefficient of the particle. The Mean Square Displacement (MSD) is used as the main method for calculating the diffusion coefficient but a specific dataset, the coordinates of the particles center of mass, is required hence needing the help of a system to find its coordinates. This research develops a method for doing so using the help of machine learning and Python 3.7 to create an automated system that is able to calculate the diffusion coefficient of this specific particle with only needing a video input of the particle moving. The result of this research will show that the larger the particle, the smaller the diffusion coefficient."

"Difusi seringkali ditinjau secara makroskopis namun pada kasus ini, masing masing partikel yang mempengaruhi terjadinya difusi yaitu perataan konsentrasi dalam suatu larutan akan ditinjau. Masing-masing partikel akan bergerak secara bebas akibat interaksi antar partikel dan molekul gas sekitar yang dapat mengakibatkan terjadinya peristiwa Gerak Brown. Melalui studi ini, diamati 3 variasi dari suatu partikel bernama microbead polystyrene yang akan diamati peristiwa gerak Brown yang terjadi pada partikel untuk menghitung koefisien difusi dari partikel tersebut. Digunakan metode Mean Square Displacement (MSD) sebagai metode utama perhitungan koefisien difusi namun untuk mewujudkan hal tersebut, diperlukan data berupa koordinat pergerakan partikel dalam 2 dimensi sehingga dengan bantuan dari 2 instrumen utama berupa machine learning dan Python 3.7, dibuatlah suatu sistem untuk mengukur koefisien difusi suatu partikel microbead polystyrene yang dapat dilakukan secara otomatis dengan memberikan video pergerakan partikel tersebut. Hasil dari penelitian akan menunjukan bahwa semakin besar partikel, semakin kecil koefisien difusi yang dihasilkan.

---

Diffusion has been widely researched macroscopically but, in this case, each particle that influences the diffusion phenomenon which is the spreading of a concentrated liquid will be observed. Each particle will move freely as a result of the interactions between the gasses of the liquid covering the particle and the particle itself in where Brownian motion can occur. Through this study, 3 size variants of a particle known as the polystyrene microbead will be observed under microscope to see how it acts when Brownian motion occurs which in result, will be able to calculate the diffusion coefficient of the particle. The Mean Square Displacement (MSD) is used as the main method for calculating the diffusion coefficient but a specific dataset, the coordinates of the particles center of mass, is required hence needing the help of a system to find its coordinates. This research develops a method for doing so using the help of machine learning and Python 3.7 to create an automated system that is able to calculate the diffusion coefficient of this specific particle with only needing a video input of the particle moving. The result of this research will show that the larger the particle, the smaller the diffusion coefficient. "

"ABSTRAKPenyakit Dengue adalah penyakit infeksi akibat virus dengue yang memilikimanifestasi klinis mulai dari demam ringan hingga berat seperti demam berdarahdan sindrom renjatan dengue. Patogenesis dengue sampai saat ini belumsepenuhnya diketahui. Ada dua faktor utama yang mempengaruhi manifestasiklinis, yaitu adanya variasi serotipe virus dengue (DEN-1, DEN-2, DEN-3, danDEN-4) dan faktor pejamu, yaitu peranan imunitas yang diantaranya diperantaraioleh sel fagosit mononuklear. Pada penelitian ini kemampuan empat serotipe virusdengue untuk menginduksi respon imun dilihat dengan memaparkan ke empatserotipe virus dengue dengan sel imun yang berasal dari manusia sehat berupamakrofag yang berasal dari monosit (monocyte derived macrophages atau MDM)dan peripheral blood mononuclear cells (PBMC) dan kemudian diukur ekspresidelapan macam sitokin/kemokin. Penelitian diawali dengan isolasi PBMC daridarah vena dengan menggunakan metode sentrifugasi gradien menggunakanFicoll. MDM dideferensiasi dari monosit menggunakan faktor pertumbuhan MCSF.MDM dan PBMC yang diperoleh kemudian dipaparkan berbagai serotipevirus dengue. Replikasi virus diukur dengan metode plaque assay dan pengukurankadar NS1 dengan cara ELISA. Ekspresi sitokin/kemokin dianalisa menggunakanLuminexTM microbead assay. Hasil penelitian menunjukkan adanya perbedaanpola ekspresi sitokin/kemokin akibat paparan ke empat serotipe virus pada MDM,di mana DEN-1 menunjukkan kecenderungan untuk menginduksi ekspresisitokin/kemokin lebih cepat dan lebih tinggi dibandingakan serotipe lain. Analisastatistik pada PBMC menunjukkan adanya perbedaan kinetika ekspresi yangsignifikan pada sitokin IL-10 pada 24 jam pasca infeksi dan kemokin IP-10 pada36 dan 60 jam pasca infeksi. Sebagai kesimpulan, pada penelitian inidiperlihatkan adanya perbedaan pola kinetik ekspresi sitokin/kemokin keempatserotipe virus dengue baik pada MDM dan PBMC.

---

ABSTRACTDengue is a disease caused by dengue virus infection, which has clinicalmanifestations ranging from mild fever to severe forms such as the denguehaemorrhagic fever and dengue shock syndrome. The pathogenesis of dengueinfection is not fully known. There are two main factors that influence clinicalmanifestations. The first is the virus factor which represented by the variation ofdengue virus serotypes (DEN-1, DEN-2, DEN-3, and DEN-4) and the secondfactor is the host factors, which mainly involved the host’s immunity mediated byimmune cells such as the mononuclear phagocytic cells. In this study, the abilityof the four serotypes of dengue virus to induce immune response was studied byinfecting the four serotypes of dengue virus into healthy human macrophagesderived from monocytes (monocyte-derived macrophages or MDM ) andperipheral blood mononuclear cells (PBMC). The expressions of eightcytokines/chemokines were measured. Isolation of PBMCs was performed usingFicoll gradient centrifugation. MDMs were differentiated from monocytes usingthe growth factor M-CSF. MDM and PBMCs obtained were infected with variousserotypes of dengue virus. Viral replication was measured by plaque assaymethods and NS1 ELISA. Expressions of cytokines/chemokines were analyzedusing LuminexTM microbead assay. The results showed differences in theexpression patterns of cytokines/chemokines into four serotypes of the virus inMDM, in which DEN-1 induced the expression of cytokine/chemokines faster andat higher levels compared to other serotypes. While virus infection in PBMCsshowed significant differences in the kinetics of expression of cytokines IL-10 at24 hours post-infection and the chemokine IP-10 at 36 and 60 hours postinfection. In conclusion, this study observed different patterns ofcytokine/chemokines expression in response to four serotypes of dengue virusboth in MDM and PBMCs."