Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Literasi gizi telah didefinisikan sebagai kapasitas untuk memperoleh, mengolah, dan memahami informasi gizi dan keterampilan yang diperlukan untuk membuat keputusan gizi yang tepat. Penelitian ini bertujuan untuk mengetahui tingkat literasi gizi fungsional pada mahasiswa program sarjana Angkatan 2018 Universitas Andalas di Sumatera Barat serta faktor-faktor yang berhubungan dengannya. Penelitian ini menggunakan data sekunder dari Studi Literasi Kesehatan 2019 dengan sampel penelitian mahasiswa angkatan 2018 dari 15 fakultas di Universitas Andalas (n=363). Pengukuran literasi gizi fungsional pada mahasiswa ini menggunakan alat instrumen yakni. Hasil Penelitian ini menunjukkan rata-rata skor tingkat literasi gizi fungsional mahasiswa sebesar 2,65 yakni termasuk kurang memadai. Terdapat hubungan yang signifkan antara suku, bidang keilmuan dan kepemilikan asuransi dengan tingkat literasi gizi fungsional mahasiswa. Diperlukan program edukasi untuk meningkatkan pemahaman literasi gizi fungsional pada mahasiswa seperti seminar tahunan atau diskusi publik bersama professional. ......Nutritional literacy has been defined as the capacity to acquire, process and understand information and the skills needed to make appropriate nutritional decisions. This study aims to determine the level of functional nutrition literacy in students Batch 2018 Andalas University undergraduate program in West Sumatra and the factors related to it. This study used secondary data from the 2019 Health Literacy Study with a sample of 2018 batch students from 15 faculties at Andalas University (n=363). The instrument that been used in this research is The Newest Vital Sign (NVS). The results of this study show that the average score for thefungctional nutrition literacy level of students is 2.65 out of a scale of 4, limited literacy. There is a significant relationship between ethnicity, academic background and insurance ownership with the level of student nutritional literacy. Educational programs are needed to increase understanding of nutritional literacy in students such as annual seminars or public discussions with professionals.

Abstrak :
Vital sign merupakan parameter fisiologis yang penting dalam melihat adanya gangguan pada tubuh seseorang. Maka dari itu kebutuhan peralatan dalam pemeriksaan vital sign sangat tinggi. Saat ini vital sign dapat diketahui dengan cara pemeriksaan non-contact. Pemeriksaan vital sign dengan non-contact dapat menggunakan Photoplethysmography (PPG). Saat ini PPG sendiri telah banyak dikembangkan agar dapat membaca keseluruhan vital sign seperti detak jantung, tekanan darah, dan juga konsenstrasi oksigen di dalam darah (SpO2). Pada penelitian ini dirancang pengembangan PPG dengan bantuan pencitraan dalam membaca vital sign. Dataset yang digunakan pada penelitian ini adalah dataset yang berasal dari pengukuran langsung yang telah dirancang agar dapat diproses menjadi sinyal Imaging Photoplethysmography (IPPG) yang baik. Dataset terdiri dari 13 orang laki-laki dan 17 orang perempuan. Dataset yang didapatkan akan dibagi menjadi beberapa scene yang kemudian diproses dalam metode yang diusungkan yaitu Discrete Fourier Transform (DFT) dan Deep Learning yaitu Convolutional Neural Network (CNN). Hasil penelitian ini berupa nilai RMSE dan MAE dimana saat penggunaan DFT menghasilkan masing masing 3,39 dan 1,38 dan dengan metode CNN arsitektur PhysNet menghasilkan 8,2151 dan 2,5976 untuk detak jantung, 3,3311 dan 1,0534 untuk tekanan darah, serta 3,6044 dan 1,1398 untuk SpO2. ......Vital sign is an important physiological parameter in seeing a disturbance in a person's body. Therefore the need for equipment in vital sign examination is very high. Currently vital signs can be identified with non-contact examination. Examination of vital signs with non-contact can use Photoplethysmography (PPG). Currently PPG itself has been developed a lot so that it can read all vital signs such as heart rate, blood pressure, and also the concentration of oxygen in the blood (SpO2). In this study, the development of PPG was designed with the help of imaging in reading vital signs. The dataset used in this study is a dataset derived from direct measurements that have been designed to be processed into a good Imaging Photoplethysmography (IPPG) signal. The dataset consists of 13 men and 17 women. The dataset obtained will be divided into several scenes which are then processed using the proposed method, namely the Discrete Fourier Transform (DFT) and Deep Learning, namely the Convolutional Neural Network (CNN). The results of this study are RMSE and MAE values where when using the DFT they produce 3.39 and 1.38 respectively and with the PhysNet architecture CNN method they produce 8.2151 and 2.5976 for heart rate, 3.3311 and 1.0534 for blood pressure , and 3.6044 and 1.1398 for SpO2.

Abstrak :
Dalam penelitian ini telah dirancang dan dibangun sebuah sistem akuisisi data elektrokardiograf (EKG) 3-lead menggunakan ADS1293 sebagai analog front end dan ESP32 sebagai mikrokontrolernya. ADS1293 mengambil data EKG secara simultan menggunakan 2 channel EKG dan mengirimkannya ke ESP32 menggunakan komunikasi Serial Peripheral Interface (SPI). 3-lead EKG ini diaplikasikan dengan menggunakan 4 elektroda: RA (Right Arm), LA (Left Arm), LL (Left Leg), dan RL (Right Leg). Sinyal EKG dihasilkan dari ProSim 4 Vital Sign Patient Simulator (Fluke, USA) dengan konfigurasi sinyal 40 BPM, 60 BPM, dan 120 BPM. Bahasa pemograman yang digunakan untuk komunikasi SPI antara ADS1293 dan ESP32 adalah bahasa C++ dan untuk pemrosesan sinyal EKG menggunakan software LabVIEW. Hasil rekamannya dilakukan proses denoising signal menggunakan Low Pass Filter (LPF) dengan respon Butterworth orde 6 pada frekuensi cutoff 20 Hz. Sistem rancangan yang dibuat dilakukan validasi data dengan alat komersial EKG yaitu CardioCare 2000. Validasi dilakuakn dengan cara membandingkan data sinyal EKG dari rancangan sistem dengan alat komersial CardioCare 2000 melalui regresi linear serta membandingkan nilai Heart Rate Variability (HRV) dari kedua alat. Hasil perbandingan dari regresi linear diperoleh dengan eror gradien dan intercept masing-masing paling besar adalah 3.25% dan 19.16%. Hasil penelitian ini dilakukan penghitungan HRV yang terdiri dari RR interval, Heart Rate, SDNN, stdHR, RMSSD untuk lead I dan lead II pada semua konfigurasi sinyal EKG. Hasil perhitungan diperoleh dengan nilai konfigurasi BPM paling tinggi selisihnya yaitu lead II 120 BPM masing-masing nilainya adalah 0.496 s, 120.943 BPM, 3.33 x 10-4 s, 0.0812 BPM, dan 3.14 x 10-4 s. Selanjutnya, dilakukan penghitungan beberapa parameter sinyal EKG yang tujuannya untuk menganalisa kelainan jantung yaitu lain interval RR, Heart Rate, Amplitudo P, Amplitudo R, Amplitudo T, interval PR, interval PT, interval QS, interval QR, dan interval RS. Pada kondisi normal adult 60 BPM diperoleh nilai untuk masing-masing parameter tersebut adalah 0.996 s, 60.23 BPM, 0.11 mV, 0.77 mV, 0.26 mV. 0.16 s, 0.40 s, 1.19 s, 0.66 s, 0.53 s. Hasil tes EKG Vital Sign Patient parameter ini dilakukan pada partisipan dari aktivitas duduk diam, kemudian berjalan, dan berlari. Pada partisipan diperoleh nilai Heart Rate yang berbeda-beda untuk semua aktivitas yang dilakukan yaitu masing-masing bernilai 78 BPM, 84 BPM, dan 89 BPM. ......In this research, a 3-lead electrocardiograph (ECG) data acquisition system has been designed and built using ADS1293 as the analog front end and ESP32 as the microcontroller. ADS1293 retrieves ECG data simultaneously using 2 EKG channels and sends it to ESP32 using Serial Peripheral Interface (SPI) communication. This 3-lead ECG is applied using 4 electrodes: RA (Right Arm), LA (Left Arm), LL (Left Leg), and RL (Right Leg). ECG signal generated from ProSim 4 Vital Sign Patient Simulator (Fluke, USA) with 40 BPM, 60 BPM and 120 BPM signal configurations. The programming language used for SPI communication between ADS1293 and ESP32 is C++ and for ECG signal processing uses LabVIEW software. The results of the recording were carried out by denoising the signal using a Low Pass Filter (LPF) with a 6th order Butterworth response at a cutoff frequency of 20 Hz. The designed system was validated using a commercial ECG tool, namely CardioCare 2000. Validation was carried out by comparing the ECG signal data from the system design with the commercial CardioCare 2000 tool through linear regression and comparing the Heart Rate Variability (HRV) values ​​of the two tools. The results of the comparison of the linear regression obtained with the largest error gradient and intercept are 3.25% and 19.16%, respectively. The results of this study were calculated HRV consisting of RR interval, Heart Rate, SDNN, stdHR, RMSSD for lead I and lead II in all ECG signal configurations. The calculation results obtained with the BPM configuration value with the highest difference, namely lead II 120 BPM, each appearance is 0.496 s, 120.943 BPM, 3.33 x 10-4 s, 0.0812 BPM, and 3.14 x 10-4 s. Next, a number of ECG signal parameters are calculated with the aim of analyzing cardiac abnormalities, namely other RR intervals, Heart Rate, P Amplitude, R Amplitude, T Amplitude, PR interval, PT interval, QS interval, QR interval, and RS interval. In normal adult conditions 60 BPM, the values ​​for each of these parameters are 0.996 s, 60.23 BPM, 0.11 mV, 0.77 mV, 0.26 mV. 0.16 seconds, 0.40 seconds, 1.19 seconds, 0.66 seconds, 0.53 seconds. The results of the EKG Vital Sign test for this patient's parameters were carried out on the participants from the activity of sitting still, then walking, and running. The participants obtained different Heart Rate values ​​for each activity carried out, namely each worth 78 BPM, 84 BPM, and 89 BPM