Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKKanker adalah salah satu penyebab kematian terbanyak dan otak termasuk salah satu organ yang rentan terkena kanker. Deteksi dini tumor otak dapat mengurangi resiko terkena kanker. Scanner seperti Computed Tomography (CT) Scan dan Magnetic Resonance Imaging (MRI) adalah alat yang digunakan deteksi dini dan diagnosis tumor otak. Namun, modalitas tersebut berbiaya tinggi, berukuran besar, dan memiliki efek samping terhadap kesehatan. Pencitraan gelombang mikro menawarkan metode pemindaian tumor untuk deteksi dini dengan biaya rendah, ukuran kecil, dan risiko rendah terhadap kesehatan. Compressive Sensing (CS) memungkinkan rekonstruksi citra gelombang mikro dengan data yang sparse. Penelitian ini mengusulkan pengembangan Compressive Sensing dengan Low-Rank Compressive Sensing. Penelitian menunjukkan bahwa metode Low-Rank CS dapat memberikan hasil rekonstruksi yang sama, bahkan lebih baik secara kualitatif dan kuantitatif dibandingkan dengan metode Simultaneous Algebraic Reconstruction Technique (SART), CS murni, maupun CS dengan regularisasi Total Variation (TV). Parameter kualitatif diukur dengan perbandingan visual dan kontur aktif dari citra yang direkonstruksi, sedangkan parameter kuantitatif diukur dengan MSE dan SSIM. Penelitian ini juga telah merancang dan membuat sebuah framework yang mengemas metode Low-Rank CS. Framework tersebut merupakan komponen controller dan image reconstructor untuk produk pendeteksi tumor otak portabel berbasis gelombang mikro yang bersifat open source dan universal (multi-plartform).

---

ABSTRACTCancer is one of the leading causes of death and the brain is one of the organs vulnerable to cancer. Early detection of brain tumors can reduce the risk of cancer. Scanners such as Computed Tomography (CT) Scan and Magnetic Resonance Imaging (MRI) are tools for early detection of brain tumors. However, those modalities are high cost, big size, and has a side effect risk to health. Microwave imaging offers a novel cancer scanning method for early detection with low cost, small size, and low risk to health. The Compressive Sensing (CS) enables the reconstruction of microwave images with a sparse data. This research proposes the development of Compressive Sensing with Low-Rank Compressive Sensing. Experiment shows that the Low-Rank CS method can give the same, even better qualitatively and quantitatively reconstruction results compared to the Simultaneous Algebraic Reconstruction Technique (SART), pure CS, as well as CS with Total Variation (TV) regularization. Qualitative parameters are measured by visual comparison and active contours of the reconstructed image, while quantitative parameters are measured by MSE and SSIM. This research also designed and created a framework that packs the Low-Rank CS methods. The framework is a component of the controller and image reconstructor for a portable microwave-based brain tumor detector products that are open source and multi-platform."

"ABSTRAKProses pemindaian dini saat ini masih dilakukan dengan Computed Tomography Scan atau Magnetic Resonance Imaging. Namun, alat pemindai tersebut memiliki biaya yang mahal dan ukuran yang besar. Pencitraan gelombang mikro merupakan salah satu teknik tomografi alternatif yang dapat menutupi kekurangan tersebut. Sementara itu, sistem pencitraan medis membutuhkan jumlah pengukuran yang cukup banyak untuk mendapatkan citra hasil rekonstruksi yang baik. Untuk mengurangi jumlah pengukuran, penelitian ini mengusulkan pendekatan Compressive Sensing CS untuk aplikasi pencitraan gelombang mikro. Proses pemindaian dilakukan pada perangkat lunak Computer Simulation Technology dengan objek uji berupa phantom kubus dua lapis dengan permitivitas yang berbeda. Agar sesuai dengan kerangka CS , matriks pembobotan Discrete Radon Transform dipilih sebagai matriks proyeksi. Discrete Cosine Transform dan Basis Pursuit dipilih sebagai matriks sparse dictionary dan algoritma rekonstruksi sinyal sparse. Pada proses pemindaian, jumlah translasi dan rotasi divariasikan untuk menguji kinerja CS. Data pengukuran S21 berhasil direkonstruksi menjadi citra dengan pendekatan CS. Hasil rekonstruksi menunjukkan bahwa penambahan jumlah translasi dan rotasi dapat meningkatkan kualitas citra hasil rekonstruksi, meskipun tidak terdapat hubungan yang linear antara keduanya. Secara kualitatif dan kuantitatif, citra hasil rekonstruksi menggunakan CS memiliki kualitas yang lebih baik dibandingkan dengan yang direkonstruksi menggunakan algoritma Filtered Back Projection dan Simultaneous Algebraic Reconstruction Technique. Sebagai tambahan, CS terbukti dapat merekonstruksi data pengukuran sebenarnya dari phantom fisik menjadi sebuah citra.

---

ABSTRACTEarly detection is still generally performed by using Computed Tomography scan or Magnetic Resonance Imaging. However, those modalities have high production costs and considerable size. Microwave Imaging is one of the alternative tomography techniques that can overcomes those aforementioned problems. Meanwhile, the medical imaging systems require a great amount of data measurements to obtain a good reconstructed image. In order to reduce the number of measurements, this research proposes a Compressive Sensing CS approach for microwave imaging application. The scanning process is conducted on Computer Simulation Technology software. A two layer cube phantom with different permittivity is used as the scanned object. To meet the framework of CS, weight matrix of Discrete Radon Transform is utilized as projection matrix. Discrete Cosine Transform and Basis Pursuit are selected as sparse dictionary matrix and sparse reconstruction algorithm respectively. In the data acquisition process, the number of translations and rotations is varied to test the performance of CS. The measured S21 data are successfully reconstructed by CS approach into an image. The reconstruction results show that adding the number of translations and rotations can improve the quality of the reconstructed image, although there is no linear relationship between them. Qualitatively and quantitatively, the image reconstructed using CS has a better quality compared to that reconstructed using Filtered Back Projection and Simultaneous Algebraic Reconstruction Technique algorithm. In addition, CS is proved to be able to reconstruct the real measurement data from the physical phantom into an image"

"Penelitian ini mengembangkan algoritma rekonstruksi citra gelombang mikro yang menggunakan pendekatan compressive sensing (CS) dimana data yang digunakan bersifat sparse – jumlah data bernilai nol atau yang dapat diabaikan yang ada dalam sebuah set data jauh lebih banyak dibandingkan jumlah data yang tidak bernilai nol. Pengembangan dilakukan dengan menambahkan total variation (TV) sebagai regularisasi spasial dan menggunakan metode alternating direction method of multipliers (ADMM) untuk menyelesaikan masalah optimasi yang dirancang dalam bentuk lagrange. Dengan merekonstruksi phantom simulasi, hasil rekonstruksi yang dilakukan oleh TV berhasil mengungguli algoritma simultaneous algebraic reconstruction technique (SART) dengan selisih nilai SSIM sebesar 0,0179 dan selisih nilai MSE sebesar 0,0119; dan mengungguli algoritma CS tanpa TV dengan selisih nilai SSIM sebesar 0,1699 dan selisih nilai MSE sebesar 0,0444. Nilai ini menunjukkan bahwa tidak hanya TV berhasil diterapkan pada CS, namun juga berhasil meningkatkan performa dan hasil citra rekonstruksi dari algoritma tersebut.

---

This research improves the compressive sensing (CS) based microwave imaging reconstruction algorithm where used data is sparse – the number of zeros or negligible data of a dataset is far beyond the number of non-zero data. The improvement is done by applying total variation (TV) as the spatial regularization and utilizing alternating direction method of multipliers (ADMM) to solve optimization problem in the form of Lagrange equation. By reconstructing simulation phantom, reconstructed image done by TV surpasses the simultaneous algebraic reconstruction technique (SART) with SSIM margin of 0.0179 and MSE margin of 0.0119; and surpasses CS without TV with SSIM margin of 0.1699 and MSE margin of 0.0444. This shows that not only TV is able to be applied to CS, but also manages to improve the performance of CS algorithm and the reconstructed image of said algorithm."

"Pencegahan kanker dapat dilakukan dengan deteksi dini menggunakan pemindai seperti Computed Tomography (CT) Scan dan Magnetic Resonance Imaging (MRI). Namun, modalitas tersebut memiliki biaya produksi yang tinggi dan ukuran yang besar. Alternatif yang digunakan untuk mengatasi masalah ini adalah menggunakan pencitraan gelombang mikro. Pencitraan gelombang mikro membutuhkan data pengukuran besar untuk meningkatkan kualitas gambar. Untuk mengatasi kelemahan ini, proses penelitian ini adalah merekonstruksi algoritma pencitraan gelombang mikro dengan jumlah pengukuran yang lebih rendah menggunakan pendekatan Compressive Sensing (CS). CS memungkinkan merekonstruksi sinyal dari sejumlah kecil pengukuran daripada yang diperlukan dalam metode pengambilan sampel konvensional. Penelitian ini berkontribusi dengan menambahkan informasi spasial menggunakan Total Variation (TV) dan menyelesaikan masalah optimasi menggunakan Alternating Direction Method of Multipliers (ADMM). Penelitian ini dianalisis untuk kinerja kualitatif dan kuantitatif. Parameter yang digunakan dalam analisis kuantitatif adalah MSE dan SSIM. Hasil penelitian ini menunjukkan bahwa algoritma yang diusulkan berhasil mengimplementasikan rekonstruksi CS dengan menambahkan TV dalam hal kualitas gambar dan parameter kuantitatif.

---

Prevention of cancer can be done by early detection using a scanner such as Computed Tomography (CT) Scan and Magnetic Resonance Imaging (MRI). However, those modalities have high production cost and considerable size. The alternative used to overcome this problem is using microwave imaging. Microwave imaging requires large measurement data to improve image quality. To overcome these weaknesses, this research process is algorithmic reconstruct the microwave images with lower number of measurements using Compressive Sensing (CS) approach. CS enables reconstructing a signal from a smaller number of measurements than which is required in the conventional sampling method. This research contributes by adding spatial information using total variation (TV) and solving the problem of optimization using Alternating Direction Method of Multipliers (ADMM). This research were analyzed for the qualitative and quantitative performance. Parameters used in quantitative analysis are MSE and SSIM. The results of this research show that the proposed algorithm successfully implemented the reconstruction of CS by adding TV in terms of image quality and quantitative parameters."

"ABSTRAKAkusisi sinyal adalah hal yang penting dalam teknologi modern. Compressive sensing dapat membuat proses akusisi sinyal atau data lebih cepat dan efektif. Compressive sensing memungkinkan jumlah pengukuran atau sampling yang jauh lebih sedikit dibandingkan sinyal asli. Compressive sensing digunakan secara luas pada berbagai bidang, seperti radar, kamera, pencitraan medis, seismic imaging, cognitive radio hingga wireless sensor network WSN . Hal penting dalam compressive sensing adalah memilih matriks proyeksi dan kamus basis sparse yang memenuhi Restricted Isometry Property RIP . Namun pengujian RIP sulit untuk dilakukan sehingga digunakan parameter lain yang lebih mudah untuk dihitung, yaitu mutual coherence. Berbeda dengan RIP, mutual coherence memerikan jaminan rekonstruksi yang lebih lemah. Sehingga dilakukan analisis hubungan antara mutual coherence terhadap hasil rekonstruksi citra. Didapatkan bahwa pada sistem kompresi, mutual coherence memiliki hubungan yang kuat terhadap citra hasil rekonstruksi. Sedangkan pada sistem pencitraan ECVT, mutual coherence hanya memiliki hubungan yang sangat lemah terhadap citra hasil ECVT.

---

ABSTRAKIn modern technology, signal acquisition is important. Compressive sensing can make the process of acquiring signals or data to be more quickly and effectively. Compressive sensing allows a much smaller number of measurements or sampling than the original signal. Compressive sensing is widely used in various fields, such as radar, cameras, medical imaging, seismic imaging, cognitive radio to wireless sensor networks WSN . An important point in compressive sensing is to choose a projection matrix and a dictionary that meets Restricted Isometry Property RIP . But RIP testing is difficult to do, so that other parameter is used because it is easier to calculate, namely mutual coherence. Unlike RIP, mutual coherence only provides a weaker reconstruction guarantee. So that this research do analysis of relation between mutual coherence and reconstructed image. It was found that in the compression system, mutual coherence has a strong relationship to the reconstructed image. While in ECVT imaging systems, mutual coherence has only a very weak relationship to the ECVT image results."

"ABSTRAKElectrical Capacitance Volumetric Tomography ECVT adalah teknologi pemindaian alternatif berbasis kapasitansi yang relatif baru dikembangkan. Teknologi pemindaian serupa, seperti halnya ECT, EIT, ERT, dll. banyak dikembangkan sebagai alternatif teknologi pemindaian yang sudah mapan dikarenakan sifatnya yang non-invassive, rendah energi dan portability. Teknologi pemindaian alternatif tersebut kini tidak hanya dikembangkan untuk keperluan industri namun telah juga digunakan untuk keperluan medis. Oleh karenanya, peningkatan kualitas hasil rekonstruksi citra dari ECVT yang kaya informasi dan presisi, menjadi salah satu isu dalam riset pengembangan teknologi ECVT.Di dalam penelitian ini diusulkan metode rekonstruksi citra ECVT menggunakan prinsip Compressive Sensing CS . CS digunakan mengingat inverse problem pada metode rekonstruksi citra ECVT secara natural membentuk under-determined linear system yang secara teori seharusnya dapat diselesaikan dengan prinsip CS. Metode rekonstruksi yang diusulkan diperkaya dengan penambahan metode usulan threshold yang berdasarkan hasil simulasi meningkatkan nilai kinerja hasil rekonstruksi sampai dengan 16.4 secara rata-rata. Beberapa kontribusi teori juga dirumuskan hasil dari analisa menyeluruh pada metode rekonstruksi yang diusulkan berdasarkan beberapa aspek penting dalam prinsip CS. Pada bagian akhir evaluasi dan analisis, metode rekonstruksi yang diajukan dibandingkan dengan metode rekonstruksi citra ECVT pada metode konvensional ILBP Iterative Linear Back Projection yang lebih sederhana.Hasil penelitian menunjukkan metode yang diusulkan mampu memperbaiki kualitas hasil rekonstruksi dan menghilangkan elongation error yang muncul pada hasil rekonstruksi citra ECVT dengan metode ILBP. Kinerja terbaik pada metode yang diusulkan mampu memperbaiki akurasi hasil rekonstruksi sampai dengan 11.9 berdasarkan nilai koefisien korelasi R. Metode rekonstruksi citra ECVT yang diusulkan masih memiliki kelemahan pada beberapa pemindaian yang lebih rumit, namun tetap memberikan hasil lebih baik dibandingkan dengan ILBP. Analisis hasil simulasi juga menunjukkan bahwa tidak semua kriteria pada teori prinsip CS sejalan dengan implementasinya pada metode rekonstruksi citra ECVT.

---

ABSTRACTElectrical Capacitance Volume Tomography ECVT is a capacitance based sensing technology. ECVT and other related sensing technologies are rapidly developed since they have beneficial properties non invasive, low energy consumption and portability compared to the established sensing technologies MRI, CT Scan, USG, etc . The ECVT is not only developed for industrial purposes but also for medical purposes. Therefore, the improvement on the image reconstruction is urgently needed. ECVT image reconstruction imaging system based on Compressive Sensing Principle is proposed. CS framework is used since the inverse problem of ECVT naturally constructs under determined linear system which is theoretically can be solved using Compressive Sensing framework. The proposed method is enriched by proposed thresholding method which succeed to improve the reconstruction kinerjance up to 16.4 . In addition, some theoretical contributions are also defined based on the comprehensive analysis of the proposed method subject to several aspects in Compressive Sensing principles. At the end of the works, the proposed method is compared with the existing image reconstruction method for ECVT, Iterative Linear Back Projection ILBP .Simulation results indicated that the proposed imaging system is able to improve the reconstructed image especially on reducing the elongation error resulted in ILBP method. The best kinerjance on the proposed method succeeds to improve the accuracy up to 11.9 based on R value. The proposed method still has limitations, especially on more complicated sensing environment but still retrieved better results compared to ILBP. In addition, there are some gaps between the theoretical concept and application of Compressive Sensing that could not be fully implemented in ECVT imaging system."

"Perkembangan zaman telah banyak mengubah gaya hidup manusia saat ini sehingga menimbulkan banyak permasalahan penyakit degeneratif. Tumor otak merupakan salah satu penyakit degeneratif yang perlu diwaspadai. Dalam penanganan kasus tumor otak, diperlukan pemindaian kepala menggunakan MRI, CT-Scan, dan beberapa metode pencitraan lainnya. Namun demikian, biaya penggunaan perangkat ini dirasakan cukup mahal bagi masyarakat Indonesia. Selain itu, perangkat MRI dan CT-Scan cukup besar dan membutuhkan perlakuan khusus. Oleh karena itu, perlu dikembangkan teknologi pencitraan tumor otak yang mudah dan murah, salah satunya menggunakan gelombang mikro. Penggunaan antena untuk transmisi dan penerimaan gelombang mikro pada aplikasi pencitraan tumor otak ini bekerja pada rentang frekuensi yang sangat panjang, yaitu 3,1 - 10,6 GHz. Pemilihan rentang frekuensi ini bertujuan untuk meningkatkan resolusi citra yang dihasilkan, ukuran yang efektif, dan efisiensi daya. Antena yang akan dirancang bangun adalah antena dipol tercetak dengan teknik pencatuan pandu gelombang koplanar. Untuk mengetahui karakteristik antena pada saat diaplikasikan pada tubuh manusia, digunakan media phantom model kepala manusia. Antena telah disimulasikan pada ruang bebas dan phantom model kepala manusia di rentang frekuensi 3,1-10,6 GHz. Berdasarkan hasil pengukuran pada ruang bebas dan kepala seorang sukarelawan, antena telah bekerja dengan baik pada rentang frekuensi 3,1-10,6 GHz tersebut. Pola radiasi diukur pada tiga bidang utama pola radiasi antena, yaitu bidang-xy, -yz, dan -xz pada frekuensi-frekuensi tertentu, yakni 3,1 GHz, 5,8 GHz, 7,5 GHz, dan 10,6 GHz.

---

The times have changed people’s lifestyle so there are so many degenerative disease cases around the world. Brain tumour is one of degenerative diseases that have been concerned by doctors and researcher to be investigated. In case of brain tumours, the doctors usually do head scanning on the patient using MRI, CT-Scan, and other common techniques. Even though those techniques provide accurate and high resolution result, however cost of the MRI or CT-Scan is still high for Indonesian people generally. Therefore it is necessary to develop new brain imaging techniques that is easy to operate, inexpensive and non-invasive by using microwaves. The use of antenna for transmitting and receiving microwaves on brain imaging application is working at ultra wide band frequency range, which is at 3.1 to 10.6 GHz. The selection of this ultra wide band is aimed to increase the image resolution, to minimize the antenna’s size and to make the power efficiently. The proposed antenna is a printed dipole with coplanar waveguide feeding. This research uses head equivalent phantom to investigate characteristics of the antenna when exposed to head. The antenna has been simulated in free space and head equivalent phantom at 3.1 GHz to 10.6 GHz. Based on measurement results in free space and on a volunteer’s head, it can be investigated that the antenna has worked properly at 3.1 GHz to 10.6 GHz as desired. The radiation patterns have been measured on three main planes, they are -xy, -yz, and -xz at selected frequencies 3.1 GHz, 5.8 GHz, 7.5 GHz and 10.6 GHz."

"Penelitian ini bertujuan untuk mengembangkan sistem chatbot yang mampu menjawab pertanyaan seputar akademik Teknik Komputer UI. Sistem ini memanfaatkan teknologi Large Language Model (LLM) Komodo-7B yang telah di-fine-tuning dengan teknik Low-Rank Adaptation (LoRA) dan diintegrasikan dengan Retrieval Augmented Generation (RAG). Dataset Ultrachat yang diterjemahkan ke Bahasa Indonesia digunakan untuk fine-tuning model Komodo-7B, sementara dokumen PDF Kurikulum Teknik Komputer UI 2020 v4 digunakan sebagai sumber informasi untuk model RAG.Pengujian performa model Komodo-7B menunjukkan bahwa LoRA efektif dalam meningkatkan kemampuan model dalam memahami dan menghasilkan teks percakapan Bahasa Indonesia. Namun, pengujian performa chatbot menggunakan dua dataset pertanyaan, yaitu dataset custom yang dihasilkan menggunakan Giskard dan API ChatGPT, dan dataset Fathurrahman Irwansa yang telah diadaptasi, menunjukkan bahwa sistem chatbot masih memiliki ruang untuk peningkatan. Tingkat akurasi yang rendah pada kedua dataset (32% pada dataset custom dan 24,1% pada dataset Fathur) mengindikasikan bahwa sistem retrieval yang digunakan kurang akurat dalam menemukan konteks yang relevan. Meskipun demikian, ketika model RAG dapat mengambil konteks yang relevan, model Komodo-7B menunjukkan akurasi yang cukup tinggi (80% pada dataset custom dan 91,29% pada dataset Fathur, dihitung dari jumlah ketika kedua Komodo-7B dan konteks benar, kemudian dibagi dengan jumlah ketika konteks benar).Hasil penelitian menunjukkan bahwa model Komodo-7B memiliki potensi yang baik untuk digunakan pada sistem chatbot jika dikombinasikan dengan sistem retrieval yang lebih akurat. Penelitian ini memberikan kontribusi dalam pengembangan sistem chatbot berbasis LLM untuk menjawab pertanyaan seputar akademik, dan membuka peluang untuk penggunaan yang lebih luas di lingkungan Universitas Indonesia.

---

This research aims to develop a chatbot system capable of answering questions regarding the academic curriculum of Computer Engineering at Universitas Indonesia. The system utilizes the Komodo-7B Large Language Model (LLM), fine-tuned with Low-Rank Adaptation (LoRA) and integrated with Retrieval Augmented Generation (RAG). The Ultrachat dataset, translated into Indonesian, is used for fine-tuning the Komodo-7B model, while the 2020 v4 Computer Engineering Curriculum PDF document serves as the information source for the RAG model. Performance evaluation of the Komodo-7B model demonstrates that LoRA effectively enhances the model's ability to understand and generate Indonesian text. However, chatbot performance testing using two question datasets, a custom dataset generated using Giskard and the ChatGPT API, and the Fathur dataset adapted from prior research, reveals that the chatbot system still has room for improvement. The low accuracy on both datasets (32% on the custom dataset and 24.1% on the Fathur dataset) indicates that the retrieval system employed is not sufficiently accurate in finding relevant context. Nevertheless, when the RAG model successfully identifies relevant context, the Komodo-7B model exhibits relatively high accuracy (80% on the custom dataset and 91.29% on the Fathur dataset, calculated from the total of when Komodo-7B and the context are both correct, then divided by the total of when the context is correct). The research findings suggest that the Komodo-7B model holds significant potential for chatbot systems when combined with a more accurate retrieval system. This study contributes to the development of LLM-based chatbot systems for answering academic-related questions and opens up opportunities for broader applications within Universitas Indonesia."

"Sel tubuh manusia mengalami pertumbuhan, pembelahan, dan pergantian setiap menitnya secara normal. Pola hidup yang tidak baik terkadang menyebabkan sel mengalami pertumbuhan, pembelahan yang lebih cepat dibandingkan dengan pergantiannya. Pendeteksian dini sangat dianjurkan untuk mengetahui kondisi tubuh secara berkala. Kebutuhan dalam melihat obyek secara non-invasive tanpa merusak dan non-intrusive tanpa memasukkan alat mendorong berkembangnya teknologi tomografi di bidang kedokteran. Pemanfaatan Microwave Imaging dalam bidang medik sebagai teknologi tomografi mengalami peningkatan, karena kelebihan yang dimiliki dibandingkan dengan teknologi tomografi lainnya yaitu resiko kesehatan kecil, biaya yang murah dalam implementasi dan operasinya, dan mudah untuk digunakan. Perbedaan parameter dielektrik pada jaringan normal dan tidak normal dimanfaatkan dalam pendeteksian. Transmitter akan mengalirkan gelombang mikro melalui obyek yang akan diamati dan diterima oleh receiver. Informasi yang dihasilkan dari receiver akan direkonstruksi menggunakan algoritma untuk mencitrakan obyek bagian dalam. Dalam skripsi ini akan dibuat program algoritma Simultaneous Algebraic Reconstruction Technique SART serta menganalisisnya secara kualitatif dan kuantitatif. Selain itu, akan dibandingkan dengan algoritma Filtered Back Projection FBP dan Algebraic Reconstruction Technique ART untuk melihat hasil citra SART secara keseluruhan. Program SART telah berhasil dibuat dan analisis menunjukkan bahwa hasil rekonstruksi citra SART memiliki hasil citra yang paling baik secara kualitatif dan kuantitatif dibandingkan dengan algoritma ART dan FBP. Sedangkan waktu yang dibutuhkan dalam satu kali iterasi adalah 1 menit 50 detik.

---

Human cells grow, divide and replace into new cells every minute normally. Sometimes Improper lifestyle causes cell growth and divide faster than cell replacement. Early detection is recommended to know the condition of the body regularly. The challenge for non invasive and non intrusive object encourage the development of tomographic technology in the field of medicine. Utilization of Microwave Imaging in the medical field as a tomography technology has increased, because of its advantages compared to other tomography technologies that are low health risk, low cost in implementation and operation, and easy to use. The differences of dielectric parameters in normal and abnormal tissue are utilized in detection. Transmitter will transmit microwaves through the object to be observed and received by the receiver. The information generated from the receiver will be reconstructed using an algorithm to image the inner object. In this thesis will be created algorithm program Simultaneous Algebraic Reconstruction Technique SART and analyze it qualitatively and quantitatively. In addition, it will be compared with Filtered Back Projection FBP algorithms and Algebraic Reconstruction Technique ART to see overall SART image results. The SART program has been successfully created and analysis shows that the results of SART image reconstruction have the best image results qualitatively and quantitatively compared to the ART and FBP algorithms. While the time required in one time iteration is 1 minute 50 seconds."

"Electrical Capacitance Volume Tomography (ECVT) untuk detektor sinyal dan rekonstruksi citra otak manusia menggunakan nilai kapasitansi yang dipengaruhi oleh rapat muatan. Perbedaan aktifitas otak menghasilkan distribusi rapat muatan yang berbeda, sehingga membentuk sinyal listrik otak yang berbeda. Penelitian dilakukan secara simulasi dan eksperirnen. Simulasi dengan COMSOL Multiphysics 3.4 menggunakan variasi rapat muatan untuk mensimulasikan aktivitas otak manusia. Eksperirnen menggunakan otak manusia dengan memberikan perlakuan yang berbeda. Hasil simulasi mampu merekonstruksi citra. Sedangkan hasil eksperimen mampu mendeteksi sinyal dan merekonstruksi otak manusia, tetapi perubahan aktiitas otak hanya bisa dibedakan oleh beberapa sensor ECVT.

---

Electrical capacitance volume tomography (ECVT) is attempted to detect signal and reconstruct image of human brain using capacitance values which influenced by charge density. Differences in activity of human brain produces different distribution of charge density to form different electric signal of human brain. This research was conducted by simulation and experiment. Simulation with COMSOL Multiphysics 3.4 using variations of the charge density is used to simulate the activity of human brain. The experiment used real human head by providing different mental task. The simulation result were able to reconstruct image. Whereas, experiment result can detect signal of brain, but the change ofactivity only can be distinguished by some of ECVT sensor."