Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Indonesia seringkali mengalami bencana alam, pada tahun 2008 Indonesia termasuk dalam 10 besar negara di dunia yang selalu mengalami bencana. Bencana terbesar yang terjadi adalah bencana hidrologi yang berhubungan dengan banjir, yaitu sekitar 34%. Ini mengindikasikan bahwa kejadian banjir perlu ditangani secara seksama oleh berbagai pihak. Pendekatan yang digunakan adalah secara nonstruktur dengan mengembangkan sistem peringatan dini banjir, menggunakan pemdektan pemodelan hidrologi dan hidraulik untuk menentukan karakteristik aliran banjir. Input yang dipakai dalam model menggunakan beberapa sumber data, seperti data pengamatan lapangan dengan sistem pengiriman data secara telemetri, data radar, satelit, dan data prakiraan hujan dari berbagai Numerical Weather Prediction (NWP) serta prakiraan muka air laut dengan menggunakan Astronomical Tide dan South China Sea Model. Penggunaan beberapa sumber data dimaksudkan untuk memperpanjang lead time yang dihasilkan oleh model. Sistem peringatan dini banjir Jakarta (J-FEWS) telah dioperasikan secara perdana untuk kejadian banjir pada akhir tahun 2012 dan awal tahun 2013. Hasil yang diperoleh menunjukkan bahwa sistem berjalan dengan baik meskipun hasil prakiraan masih memerlukan perbaikan, terutama data curah hujan yang digunakan (baik data pengamatan maupun data prakiraan). Penggunaan hujan prakiraan dapat menghasilkan lead time yang lebih panjang, tetapi akurasi prakiraan model menjadi berkurang.

Abstrak :
Tujuan.Mendapatkanserta menentukan performa model prediksi delirium pasca-operasi pasien usia lanjut yang akan menjalani operasi. Metode. Penelitian dengan desain kohort prospektif pada pasien usia lanjut yang akan menjalani operasi dari Gedung A dan PJT RSCM, dari 1 Februarisampai 30 April 2018. Prediktor yang dianalisis yaitu usia, frailty, komorbiditas, status nutrisi, kadar albumin, status kognitif, status depresi, polifarmasi dan jenis operasi. Analisis multivariat dengan cox regression untuk mendapatkan Hazzard Ratio dilakukan pada prediktor yang bermakna. Model prediksi dibuat dari prediktor yang bermakna pada analisis multivariat. Kemampuan kalibrasi model prediksi ditentukan dengan uji Hosmer Lameshow dan kemampuan diskriminasinya ditentukan dengan menghitung AUC dari kurva ROC. Hasil.Terdapat187 pasien dengan median usia 67 tahun rentang 60-69 tahun . Kejadian Delirium pasca-operasi didapatkan sebesar 20,3 . Analisis multivariat mendapatkan usia HR 1,739;IK95 0,914-3,307 , polifarmasi HR 2,125 ;IK95 1,117-4,043 , dan status nutrisi HR 3,044 ; IK95 1,586-5,843 , sebagai prediktor model prediksi. Model Prediksi Delirium berdasarkan jumlah skor dari usia skor 1 , polifarmasi skor 1 , dan status nutrisi skor 2 , distratifikasikan menjadi kelompok risiko rendah skor le; 1 , risiko sedang skor 2-3 , dan risiko tinggi skor 4 . Uji Hosmer-Lemeshow menunjukan kalibrasi yang baik p=0,885 dan AUC menunjukan kemampuan diskriminasiyang cukup baik [ 0,71 IK95 0,614-0,809 ]. Kesimpulan. Model prediksi delirium pasca-operasi pasien usia lanjut menggunakan usia, status nutrisi dan polifarmasi, distratifikasi menjadi 3 kelas risiko rendah, sedang, dan tinggi Model ini memiliki kalibrasi yang baik dan diskriminasi yang cukup.

Abstrak :
COVID-19 adalah penyakit yang ditetapkan oleh World Health Organization (WHO) sebagai pandemi. Pada November 2022, positivity rate COVID-19 di Kota Serang dalam 7 hari terakhir adalah 19,61% dan lebih tinggi dibandingkan dengan Kabupaten Lebak (18,67%), Kota Cilegon (18,41%), Kabupaten Serang (16,02%), dan Kabupaten Pandeglang (13,47%). Penelitian bertujuan mengetahui hubungan suhu, kelembaban, curah hujan, kecepatan angin, dan lama penyinaran matahari dengan kasus COVID-19, menganalisis model prediksi kasus dan faktor cuaca dominan terhadap kasus COVID-19 di Kota Serang. Desain studi penelitian menggunakan ekologi tren waktu. Penelitian dilakukan pada Februari – Maret 2023 menggunakan data cuaca dan kasus COVID-19 di Kota Serang Maret 2020 – Desember 2022. Analisis data menggunakan analisis univariat, uji korelasi, uji regresi linier berganda, dan analisis spasial. Hasil penelitian menunjukkan Kecamatan Serang menjadi wilayah dengan kasus terbanyak. Suhu (r=-0,263) dan kecepatan angin (r=0,258) berhubungan dengan kasus COVID-19 mingguan. Pada lag 1 minggu, suhu (r=-0,366) dan lama penyinaran matahari (r=-0,179) berhubungan dengan kasus COVID-19. Pada lag 2 minggu, suhu (r=-0,348) dan lama penyinaran matahari (r=-0,214) berhubungan dengan kasus COVID-19. Model prediksi kasus COVID-19 adalah ln(Y) = 95,020 – 2,379X1 – 0,306X2 + e dengan R2 = 0,270. Faktor cuaca yang paling dominan mempengaruhi kasus COVID-19 adalah suhu disusul kelembaban. ......COVID-19 is a disease designated by the World Health Organization (WHO) as a pandemic. In November 2022, the positivity rate of COVID-19 in Serang City in the last 7 days was 19.61% and higher than Lebak Regency (18.67%), Cilegon City (18.41%), Serang Regency (16.02%), and Pandeglang Regency (13.47%). The study aims to determine the relationship between temperature, humidity, rainfall, wind speed, and length of sunshine with COVID-19 cases, analyze case prediction models and dominant weather factors for COVID-19 cases in Serang City. The research study design uses time trend ecology. The research was conducted in February - March 2023 using weather data and COVID-19 cases in Serang City March 2020 - December 2022. Data analysis used univariate analysis, correlation test, multiple linear regression test, and spatial analysis. The results showed that Serang sub-district was the area with the most cases. Temperature (r=-0.263) and wind speed (r=0.258) are associated with weekly COVID-19 cases. At a lag of 1 week, temperature (r=-0.366) and length of sunshine (r=-0.179) were associated with COVID-19 cases. At a lag of 2 weeks, temperature (r=-0.348) and length of sunshine (r=-0.214) are associated with COVID-19 cases. The prediction model for COVID-19 cases is ln(Y) = 95.020 - 2.379X1 - 0.306X2 + e with R2 = 0.270. The most dominant weather factor affecting COVID-19 cases is temperature followed by humidity.

Abstrak :
Burnout mengacu pada reaksi psikologis terhadap stres kerja kronis. Fenomena burnout merupakan fenomena yang harus diatasi oleh perusahaan karena membawa pengaruh negatif terhadap produktivitas dan keinginan karyawan untuk resign. Penelitian ini bertujuan untuk memprediksi karyawan dengan tingkat burnout yang tinggi dan menganalisis faktor yang mempengaruhi burnout karyawan di tengah pandemi COVID-19. Beberapa faktor yang dianalisis diantaranya tipe perusahaan, jabatan, skema work from home (WFH), tingkat kelelahan mental, dan jam kerja per hari. Berdasarkan penerapan metode neural network, sebanyak 92.2% varians burnout dapat dijelaskan oleh variabel input dengan tingkat kelelahan mental dan jam kerja per hari merupakan variabel yang memberi pengaruh yang signifikan terhadap tingkat burnout. Neural network kembali diterapkan dengan dua variabel tersebut dan masih dapat menjelaskan 91.9% varians burnout. Penelitian ini dapat digunakan employer dalam memprediksi tingkat burnout rate yang dihadapi karyawan sekaligus memperkaya penelitian-penelitian sebelumnya mengenai prediksi burnout. ......Burnout refers to a psychological reaction to chronic work stress. The phenomenon of burnout is undoubtedly a phenomenon that companies must overcome because it may adversely affect productivity and employees' desire to resign from their job. This study aims to predict employees with high burn rates and analyze all the possible factors influencing employee burnout amid the COVID-19 pandemic. Several factors were analyzed, including the type of company, job positions, work-from-home (WFH) schemes, mental fatigue score, and working hours per day. Based on the application of the neural network method, 92.2% of the burnout variance can be explained by the input variable, with the level of mental fatigue and working hours per day variables significantly influencing burnout. The neural network is re-applied with these two variables and can still explain 91.9% of the burnout variance. Employers can use this research to predict the burnout rate faced by employees and enrich previous studies regarding burnout prediction.

Abstrak :

Transaksi kartu kredit yang semakin meningkat yang diikuti dengan maraknya tindak kecurangan memicu penelitian mengenai pengembangan model prediksi transaksi kartu kredit fraud. Data transaksi kartu kredit Doku digunakan menjadi sumber data pada penelitian. Penelitian ini melakukan pengembangan model prediksi serta webservice prediksi transaksi kartu kredit fraud. Fitur yang digunakan dalam pembuatan model adalah amount, payment bank issuer, payment bank acquirer, payment brand, payment 3D secure ECI, payment type, payment bank issuer country, dan hour. Model Decision Tree memberikan hasil terbaik dalam aspek precision dan F1-score dengan nilai 97.2% dan 96.8%. Model XGBoost memberikan hasil terbaik dalam aspek recall dan FP-rate dengan nilai 96.4% dan 3%. Kedua model tersebut sama-sama memperoleh nilai accuracy terbaik yaitu 96.7%. Dalam aspek webservice, model XGBoost memiliki performa terbaik dengan rata-rata throughput 77 request per detik.

---

The increasing amount of credit card transaction followed by fraudulent transaction becoming more rampant provokes many studies in fraud credit card transaction prediction model. Doku credit card transaction is used as data source for this study. This study experiments on developing model and webservice to predict fraud credit card transaction. Features used in builiding the model are amount, payment bank issuer, payment bankacquirer, payment brand, payment 3D secure ECI, payment type, payment bank issuer country, and hour. Decision Tree model achieves best precision and F1-score with 97.2% and 96.8% score. XGBoost model achieves best recall and FP-rate with 96.4% and 3% score. Both said model achieves same best accuracy with 96.7% score. In regards of the webservice, XGBoost achieves best performance with average throughput reaching 77 request per second.

Abstrak :
Seiring berjalannya waktu, tuntutan akan informasi yang relevan dan akurat semakin meningkat secara signifikan. Knowledge graph telah muncul sebagai framework untuk menyimpan dan mengorganisir data, serta menangkap hubungan antara entitas dan konsep. Memahami konsep knowledge wealth dalam knowledge graph sangat penting karena memberikan wawasan tentang kelimpahan informasi dan kedalaman pengetahuan yang dapat diakses dan dimanfaatkan. Tujuan dari penelitian ini adalah menganalisis pertumbuhan knowledge wealth dan memprediksi perkembangannya di masa depan. Penelitian ini menggunakan data yang diperoleh langsung dari Wikidata yang mencakup periode tahun 2012 hingga 2022. Statistik deskriptif dan uji kecocokan digunakan untuk menganalisis pertumbuhan knowledge wealth, sementara berbagai teknik pemodelan digunakan untuk memprediksi dan dibandingkan hasilnya. Temuan dari penelitian ini berkontribusi pada pemahaman yang lebih baik tentang pertumbuhan knowledge wealth dalam knowledge graph dan memberikan wawasan berharga untuk melakukan identifikasi dan karakterisasi pertumbuhan knowledge wealth. ......As time progresses, the demand for relevant and accurate information has significantly increased. Knowledge graphs have emerged as a framework for storing and organizing data, capturing relationships between entities and concepts. Understanding the concept of knowledge wealth within a knowledge graph is crucial as it provides insights into the abundance of information and the depth of accessible knowledge. The objective of this study is to analyze the growth of knowledge wealth and forecast its future development. The study utilizes data directly obtained from Wikidata spanning the years 2012 to 2022. Descriptive statistics and goodness-of-fit tests are used to analyze the growth of knowledge wealth, while various modeling techniques are employed to predict and compare the results. The findings of this research contribute to a better understanding of knowledge growth within knowledge graphs and provide valuable insights for identifying and characterizing the growth of knowledge wealth.

Abstrak :
Latar Belakang:  Penggunaan PD hanya 2-11% dari total terapi pengganti ginjal, dengan angka drop out PD sebesar 35% setiap tahun. Faktor-faktor yang ingin diteliti yaitu faktor yang berpengaruh dengan kejadian drop out pada penderita penyakit ginjal kronik stadium 5 dengan Continuous Ambulatory Peritoneal Dialysis (CAPD)  yaitu: usia, tingkat pendidikan, riwayat peritonitis, infeksi exit site dan/ tunnel, hipoalbumin, diabetes melitus, hipertensi, obesitas, hiperkalemia, teknik pemasangan, fungsi ginjal sisa, dan besarnya unit CAPD.

Tujuan: Mempelajari pengaruh usia, tingkat pendidikan, peritonitis, infeksi exit site dan tunneling, hipoalbumin, hipokalemia, diabetes melitus, hipertensi, obesitas, tehnik pemasangan, penurunan fungsi ginjal sisa dan besarnya unit CAPD terhadap kejadian drop out pada penderita penyakit ginjal kronik stadium 5 dengan CAPD. Menghasilkan model prediksi kejadian drop out pada penderita penyakit ginjal kronik stadium 5 dengan CAPD.

Metode Penelitian: Penelitian ini merupakan studi kohort retrospektif dengan subjek penelitian pasien dengan penyakit ginjal kronik stadium 5 dengan CAPD di RSUPN dr Cipto Mangunkusumo, RS Fatmawati dan RSUD Syamsudin SH periode Januari 2017 hingga Mei 2023. Data diambil dari rekam medis, sesuai dengan kriteria inklusi dan eksklusi. Performa pengembangan model prediksi kejadian drop out dilakukan dengan menentukan nilai kalibrasi (uji Hosmer-Lameshow) dan diskriminasi.

Hasil Penelitian: Didapatkan 293 pasien yang telah memenuhi kriteria dan dapat dianalisis. Dari hasil multivariat didapatkan usia mulai CAPD  ≥ 55 tahun HR 1,687 (95% IK 1,095 – 2,598); p=0,018, diabetes melitus HR 1,497 (95% IK 1,005 – 2,229); p=0,047,  fungsi ginjal sisa ≤ 200 ml HR 1,960 (95% IK 1,349 – 2,846); p= <0,0001 dan hipoalbumin HR 1,510 (95% IK 1,046 – 2,180); p=0,028 bermakna mempengaruhi kejadian drop out pada pasien penyakit ginjal kronik dengan CAPD.

Simpulan: Usia mulai CAPD ≥ 55 tahun, diabetes melitus, fungsi ginjal sisa ≤ 200 ml dan hipoalbumin merupakan faktor yang berhubungan secara bermakna dengan drop out pasien penyakit ginjal kronik stadium 5 yang menjalani CAPD. Model prediksi kejadian drop out pada pasien penyakit ginjal kronik stadium 5 yang menjalani CAPD berdasarkan faktor prediktor diatas memiliki kualitas kalibrasi dan diskriminasi yang cukup.

Kata kunci: CAPD; drop out, model prediksi.

Latar Belakang:  Penggunaan PD hanya 2-11% dari total terapi pengganti ginjal, dengan angka drop out PD sebesar 35% setiap tahun. Faktor-faktor yang ingin diteliti yaitu faktor yang berpengaruh dengan kejadian drop out pada penderita penyakit ginjal kronik stadium 5 dengan Continuous Ambulatory Peritoneal Dialysis (CAPD)  yaitu: usia, tingkat pendidikan, riwayat peritonitis, infeksi exit site dan/ tunnel, hipoalbumin, diabetes melitus, hipertensi, obesitas, hiperkalemia, teknik pemasangan, fungsi ginjal sisa, dan besarnya unit CAPD.

Tujuan: Mempelajari pengaruh usia, tingkat pendidikan, peritonitis, infeksi exit site dan tunneling, hipoalbumin, hipokalemia, diabetes melitus, hipertensi, obesitas, tehnik pemasangan, penurunan fungsi ginjal sisa dan besarnya unit CAPD terhadap kejadian drop out pada penderita penyakit ginjal kronik stadium 5 dengan CAPD. Menghasilkan model prediksi kejadian drop out pada penderita penyakit ginjal kronik stadium 5 dengan CAPD.

Metode Penelitian: Penelitian ini merupakan studi kohort retrospektif dengan subjek penelitian pasien dengan penyakit ginjal kronik stadium 5 dengan CAPD di RSUPN dr Cipto Mangunkusumo, RS Fatmawati dan RSUD Syamsudin SH periode Januari 2017 hingga Mei 2023. Data diambil dari rekam medis, sesuai dengan kriteria inklusi dan eksklusi. Performa pengembangan model prediksi kejadian drop out dilakukan dengan menentukan nilai kalibrasi (uji Hosmer-Lameshow) dan diskriminasi.

Hasil Penelitian: Didapatkan 293 pasien yang telah memenuhi kriteria dan dapat dianalisis. Dari hasil multivariat didapatkan usia mulai CAPD  ≥ 55 tahun HR 1,687 (95% IK 1,095 – 2,598); p=0,018, diabetes melitus HR 1,497 (95% IK 1,005 – 2,229); p=0,047,  fungsi ginjal sisa ≤ 200 ml HR 1,960 (95% IK 1,349 – 2,846); p= <0,0001 dan hipoalbumin HR 1,510 (95% IK 1,046 – 2,180); p=0,028 bermakna mempengaruhi kejadian drop out pada pasien penyakit ginjal kronik dengan CAPD.

Simpulan: Usia mulai CAPD ≥ 55 tahun, diabetes melitus, fungsi ginjal sisa ≤ 200 ml dan hipoalbumin merupakan faktor yang berhubungan secara bermakna dengan drop out pasien penyakit ginjal kronik stadium 5 yang menjalani CAPD. Model prediksi kejadian drop out pada pasien penyakit ginjal kronik stadium 5 yang menjalani CAPD berdasarkan faktor prediktor diatas memiliki kualitas kalibrasi dan diskriminasi yang cukup. ......Background: The total use of PD is only 2-11% of total renal replacement therapy, with technique failure causing PD drop out by 35% annually. Factors associated with Continuous Ambulatory Peritoneal Dialysis (CAPD) dropout in patients with stage 5 chronic kidney disease consist of age, education level, history of peritonitis, exit site and/or tunnel infection, hypoalbumin, diabetes mellitus, hypertension, obesity, hyperkalemia, implantation technique, residual kidney function, and the size of the CAPD unit.

Purpose: This study aims to see the effect of age, education level, peritonitis, exit site infection and tunneling, hypoalbumin, hypokalemia, diabetes mellitus, hypertension, obesity, operation technique, decreased residual kidney function, and CAPD unit size on the incidence of drop out in patients with stage 5 chronic kidney disease with CAPD, creating a predictive model for the incidence of drop out in patients with stage 5 chronic kidney disease with CAPD.

Methods: This study was a retrospective cohort study using data from patients with stage 5 chronic kidney disease with CAPD at RSUPN dr Cipto Mangunkusumo and RSUD Syamsudin SH for the period January 2017 to May 2023. Data were taken from medical records, according to inclusion and exclusion criteria. The performance of the development of the drop out prediction model is carried out by determining the calibration value (Hosmer-Lameshow test) and monitoring.

Results: A total of 293 patients who met the criteria and could be analyzed were obtained. From the multivariate analysis, it was found that age at the start of CAPD  ≥ 55 years old  had a hazard ratio (HR) of 1.687 (95% CI 1.095 – 2.598); p=0.018, diabetes mellitus had a HR of 1.497 (95% CI 1.005 – 2.229); p=0.047, residual kidney function ≤ 200 ml had a HR of 1.960 (95% CI 1.349 – 2.846); p < 0.0001, and hypoalbuminemia had a HR of 1.510 (95% CI 1.046 – 2.180); p=0.028, all significantly influencing the occurrence of dropouts in patients with chronic kidney disease undergoing CAPD.

Conclusion: Age at the start of CAPD  ≥ 55 years old, diabetes mellitus,  residual kidney function ≤ 200 ml, and hypoalbuminemia are factors significantly associated with dropout occurrences in stage 5 chronic kidney disease patients undergoing CAPD. The predictive model for dropout occurrences in stage 5 chronic kidney disease patients undergoing CAPD based on the above predictor factors demonstrates moderate calibration and discrimination quality.

Abstrak :
Abstrak
One of the occupational diseases that can arise for workers with high accuracy is a decrease in their visual acuity. Therefore, it is necessary to study the risk factors of decreasing visual acuity in workers with high accuracy, such as in wig makers. This study aimed to examine the correlation between age, working period, lighting intensity, fatigue, and nutritional status with visual acuity, and to observe the main risk factors that can be used as a reference for predicting decreasing visual acuity. This study was an observational study that used a cross-sectional design. The population number for this study was 185 wig makers.A total of 85 samples were selected using simple random sampling. The study was carried out in January to March 2016 on wig makers in Purbalingga. The results showed that variables most closely associated with visual acuity were working period (p-value = 0.000 < 0.05), lighting intensity (p-value = 0.000 < 0.05), and fatigue (0.013 < 0.05). Variables that were not related to vision acuity were age (p-value = 0.846 > 0.05) and nutritional status (p-value = 0.562 > 0.05).