Hasil Pencarian  ::  Simpan CSV :: Kembali

"Masalah kesehatan mental pada kelompok mahasiswa merupakan isu yang perlu menjadi perhatian. Secara khusus, tingginya prevalensi gejala depresi juga ditemukan dalam kelompok mahasiswa. Berbagai kondisi yang menyertai peran mahasiswa menjadi faktor risiko berkembangnya gejala depresi pada mahasiswa, salah satunya adalah pengalaman lonelinesss. Selain faktor risiko, masalah depresi pada mahasiswa perlu ditinjau pula faktor yang dapat memproteksi. Self-compassion pada penelitian terdahulu ditemukan berhubungan dengan kesehatan mental yang lebih baik. Untuk mendapat gambaran yang lebih jelas akan fenomena depresi dan lebih lanjut menyusun tindakan pencegahan serta intervensi terkait maka perlu diuji bagaimana loneliness dan self-compassion berperan dalam kehadiran gejala depresi pada mahasiswa. Sebanyak 401 mahasiswa di Jabodetabek terlibat dalam penelitian ini dengan mengisi instrumen pengukuran secara daring. Data dianalisis dengan menggunakan analisis regresi berganda. Hasil penelitian menunjukkan bahwa loneliness memiliki peran yang signifikan dalam memprediksi meningkatnya gejala depresi sementara self-compassion mampu memprediksi berkurangnya gejala depresi pada mahasiswa. Secara khusus, tipe emotional loneliness yang mampu memprediksi berkembangnya gejala depresi. Penelitian ini menggambarkan pentingnya mempertimbangkan kualitas relasi serta mengembangkan self-compassion dalam upaya mengurangi gejala depresi pada mahasiswa.

---

Mental health problems in college students are issues that need special attention. Particularly, the high prevalence of depressive symptoms was also found in college students. Various conditions accompanying the role of college students lead to higher risk for developing depression symptoms, for instance the experience of loneliness. In addition to risk factors, protective factors should be considered as well. Earlier researches found self-compassion to be associated with better mental health. To get a clearer picture about depression and to further develop preventive measures and related interventions, it is necessary to examine how loneliness and self-compassion play a role in the presence of depressive symptoms in college students. A total of 401 college students in Jabodetabek area were involved in this research by completing online measurement instruments. Data were analyzed using multiple regression analysis. The results showed that loneliness had a significant role in predicting the increase in depressive symptoms while self-compassion was able to predict the reduction of depressive symptoms in college students. Particularly, emotional loneliness has a significant role to predict depressive symptoms in college students. This study illustrates the importance of considering the quality of relationships and developing self-compassion in an effort to reduce depression symptoms in college students."

"Penderita gangguan depresi semakin meningkat setiap tahunnya, terutama pada generasi muda. Hal ini membawa urgensi tentang pentingnya menjaga kesehatan mental, terlebih lagi WHO melaporkan bahwa depresi sangat mempengaruhi kualitas hidup dan menjadi penyebab dari meningkatnya risiko gangguan kesehatan lainnya. Kesalahan diagnosis seringkali terjadi pada depresi, maka dari itu sangat penting untuk mengembangkan pendekatan objektif untuk membantu dokter mendiagnosis depresi secara lebih efektif. Elektroensefalografi (EEG) merupakan teknologi berbasis sinyal otak yang dapat merekam aktivitas jaringan otak. Penelitian ini bertujuan untuk membuat program analisis gangguan depresi berbasis Machine Learning. Aplikasi Graphical User Interface (GUI) juga dibuat untuk mempermudah pengguna. Pemrosesan sinyal dilakukan dengan dua metode, yakni wavelet dan Power Spectral Density (PSD). Relative Power Ratio (RPR) dihitung sebagai fitur klasifikasi. Perhitungan dominansi juga dilakukan untuk mereduksi jumlah fitur. Fitur dengan dominansi tertinggi akan digunakan untuk membuat model klasifikasi Machine Learning. Pengklasifikasi yang digunakan adalah K-Nearest Neighbor (KNN) dengan cross validation. Akurasi tertinggi yang diperoleh mencapai 70% dengan metode wavelet dan 65% dengan metode PSD.

---

The number of individuals suffering from depressive disorder (also known as major depressive disorder or MDD) is increasing every year, especially among the younger generations. This highlights the urgency of prioritizing mental health, especially considering the World Health Organization’s report that depression significantly affects the quality of life and increases the risk of other health disorders. Misdiagnosis often occurs in cases of depression, making it crucial of develop an objective approach to help doctors diagnose depression more affectively. Electroencephalography (EEG) is a brain signalbased technology that records brain network activity. This research aims to create a machine learning-based program for analyzing depressive disorders. Additionally, a Graphical User Interface (GUI) application is developed to facilitate users. Signal processing is performed using two methods, namely wavelet and Power Spectral Density (PSD). The Relative Power Ratio (RPR) is calculated as a classification feature. Dominance computation is also conducted to reduce the number of features, and the feature with highest dominance are used to create the Machine Learning classification model. The classifier used is K-Nearest Neighbor (KNN) with cross-validation. The highest accuracy achived is 70% with the wavelet method and 65% with the PSD method."

"Penelitian ini bertujuan untuk melihat model dari konstruk positif yaitu hope dan konstruk negatif yaitu loneliness dalam memprediksi kecenderungan depresi pada mahasiswa. Kecenderungan depresi merupakan fenomena yang sangat sering dijumpai terutama pada kalangan mahasiswa. Sebagai bagian dari emerging adult mahasiswa berada pada tahap transisi antara kehidupan remaja dan kehidupan dewasa. Kondisi ini seringkali cukup membingungkan dimana mereka mulai berusaha independent namun masih belum dapat independen seutuhnya. Tuntutan akademik, rendahnya kemampuan sosial, tinggal terpisah dari orang tua seringkali menyebabkan rasa kesepian sehingga memancing emosi negatif. Pandemi COVID 19 juga turut mengubah kehidupan akademik dan sosial mereka. Kondisi tersebut membuat mereka rentan mengalami depresi. Sementara itu, adanya harapan (hope) yang dimiliki oleh individu membuat mereka lebih fleksibel dalam menghadapi kesulitan dan berusaha mencapat tujuan sehingga berperan dalam mengurangi kecenderungan depresi. Pada penelitian ini dilakukan pada sebanyak 410 mahasiswa aktif program sarjana yang berasal dari Jakarta, Bogor, Depok, Tangerang dan Bekasi. Hasil analisa statistik dengan menggunakan regresi berganda menunjukkan bahwa model cocok dengan asumsi dimana loneliness memprediksi kehadiran kecenderungan depresi dan hope berperan signifikan sebagai faktor pelindung dari munculnya kecenderungan depresi (R2=0,456; F(6,409) = 58,183; p<.05).

---

The aim of this study is to explore the model of positive construct (hope) and negative construct (loneliness) in predicting depressive tendency among college students. Depressive tendency is a common mental health problem that is found among college students as a part of an emerging adult period. They start to gain independent life from parents, such as living apart from parents, make decisions by themself, entering university, and making social and romantic relationships with others. However they do not fully gain independent life. They still need financial support due to lack of a stable career and job. Demands for academic duty, poor social skills, and living apart from parents frequently lead to loneliness and emerge negative emotion. Such conditions put them at risk to have depressive symptoms. Pandemic COVID-19 also change their academic and social life. Meanwhile, hope leads to flexible thinking in order to face difficulty, persistence to reach the goal buffer them from depressive tendency. Data collected from 410 active undergraduate students from university in Jakarta, Bogor, Depok, Tangerang, and Bekasi. Statistic analysis by using multiple regression shows that the model supports the hypothesis which (R2=0,456; F(6,409) = 58,183; p<.05). Loneliness predicts significantly presence of depressive symptoms and the role of hope predicted to decline depressive tendency in college students."

"Luasnya dampak negatif gangguan depresi terhadap kehidupan seseorang membawa urgensi akan pentingnya metode diagnosis yang akurat dan objektif agar bisa menerapkan langkah pengobatan yang cepat pada pasien yang depresi. Metode diagnosis gangguan depresi yang berbasis kuesioner atau wawancara berpotensi subyektif, karena pasien bisa saja tidak menceritakan dengan detail kondisi yang dialaminya. EEG dapat menjadi sarana alternatif untuk mencapai diagnosis yang akurat dan objektif tersebut. Sinyal EEG mengandung banyak fitur yang dapat diekstrak dengan mudah, contohnya Relative Power Ratio (RPR). Penelitian ini mengekstrak fitur RPR dari sinyal EEG dengan menggunakan dua metode, yaitu STFT (Short-Time Fourier Transform) dan PSD (Power Spectral Density) dari 14 elektroda EEG yang tersedia. Fitur RPR yang diekstrak akan direduksi menggunakan algoritma PCA (Principal Component Analysis) ke dalam dimensi yang lebih rendah dengan tetap mempertahankan variansi (informasi) fitur sebesar 90%. Model ANN (Artificial Neural Network) dengan jenis FNN (Feedforward Neural Network) digunakan untuk klasifikasi pasien yang sehat dengan yang depresi. Dampak dari algoritma PCA akan dilihat pada performa model FNN dan lama waktu pelatihan yang dibutuhkan model FNN. Performa model yang akan diukur adalah akurasi, sensitivitas dan spesifisitas. Performa model akan divalidasi menggunakan 10-Fold Validation yang dijalankan sebanyak 10 iterasi. PCA berhasil mereduksi dimensi fitur RPR sebesar 57.1% dengan metode PSD dan 57.1% dengan metode STFT. Akurasi tertinggi yang didapatkan model FNN adalah 69.5% ketika menerapkan algoritma PCA pada RPR metode PSD, dan 68% ketika menerapkan algoritma PCA pada fitur RPR metode STFT. Penerapan PCA pada fitur RPR menurunkan waktu pelatihan model sebesar 6.33% dengan metode PSD dan sebesar 42.56% dengan metode STFT. Performa model FNN lebih baik setelah penerapan PCA dibandingkan dengan menggunakan fitur RPR langsung ke dalam model FNN. Hal ini menunjukkan bahwa PCA memiliki potensi untuk menurunkan waktu pelatihan model FNN dengan tetap mempertahankan performa model FNN.

---

The extent of the negative impact of depressive disorder on a person’s life raises the urgency of the importance of an accurate and objective diagnostic method to quickly apply treatment steps for depressive patients. Diagnostic method that based on questionnaire and interview has the potential to be subjective, because the patient might be not fully explain his condition. EEG or Electroencephalography could be an alternative way to achieve the accurate and objective diagnostic. EEG signal has many features that can be extracted easily, for example the Relative Power Ratio. This research extracted RPR features from EEG signal by implementing two methods, STFT (Short-Time Fourier Transform) and PSD (Power Spectral Density) from 14 available EEG electrodes. The extracted RPR features will be reduced by using PCA algorithm to a lower dimension while still retaining 90% variance (information) from the features. ANN (Artificial Neural Network) with the type of FNN (Feedforward Neural Network) will be used to classify healthy patients with depressed patients. The effect of PCA algorithm will be seen on the FNN model’s performances and on the training duration of the FNN model. Model’s performances that will be measured are accuracy, sensitivity, and specificity. Model’s performances will be validated by using 10-Fold Validation which will be executed for 10 iterations. PCA managed to reduce 57.1% RPR features’ dimensions by using PSD method and 57.1% by using STFT method. The highest accuracy achieved by FNN model is 69.5% when implementing PCA algorithm to the RPR features from the PSD method, and 68% when implementing PCA algorithm to the RPR features from STFT method. The implementation of PCA to the RPR features managed to reduce 6.33% training duration of FNN model for the PSD method and 42.56% for the STFT method. Better FNN model’s performances are shown after the implementation of PCA algorithm compared to when using the RPR features directly to the FNN model. This shows that PCA has a potential of reducing the training duration of the FNN model while still retaining FNN model’s performances."

"Berbagai studi telah dilakukan mengenai keterkaitan antara adverse childhood experiences (ACEs) dan self-compassion terhadap gejala depresi. Peran kedua variabel tersebut terhadap gejala depresi juga telah diteliti, akan tetapi penelitian yang membandingkan peran keduanya terhadap gejala depresi masih sangat terbatas, khususnya pada populasi emerging adulthood di Indonesia. Penelitian ini bertujuan untuk menguji peran pengalaman sulit di masa kecil dan self-compassion terhadap gejala depresi pada emerging adulthood. Partisipan penelitian adalah individu emerging adulthood (N=482), yang diberikan kuesioner BDI-II untuk mengukur depresi, ACEQ untuk mengukur pengalaman sulit di masa kecil, dan SCS-SF untuk mengukur self-compassion yang dilakukan secara daring. Hasil penelitian menggunakan analisis regresi linear berganda menunjukkan bahwa baik pengalaman sulit di masa kecil maupun self-compassion berperan secara signifikan terhadap gejala depresi. Dibandingkan pengalaman sulit di masa kecil, self-compassion merupakan prediktor yang lebih kuat terhadap gejala depresi. Berdasarkan hasil penelitian ini, kesadaran masyarakat tentang self-compassion perlu ditingkatkan karena dapat menjadi faktor pelindung potensial untuk gejala depresi.

---

Many studies have done research about the relationship between adverse childhood experiences and self-compassion as predictors to depression symptoms. The role of those two variables in depression symptoms has also been done, however studies that comparing role those two variable on depressive symptoms are still very limited, specifically, in the emerging adulthood population in Indonesia. This study aims to test the role of adverse childhood experiences and self-compassion in depression symptoms in emerging adulthood. Participants of this study were emerging adulthood individuals (N=482), who were given BDI-II questionnaire to measure depression, ACE-Q to measure adverse childhood experiences, and SCS-SF to measure self-compassion conducted online. The results of this study, using multiple linear regression, showed that both adverse childhood experiences and self-compassion have a significant role in depression. Compared to adverse childhood experiences, self-compassion is the stronger predictor in depression symptoms. According to the results of this study, public awareness of self-compassion needs to be raised as it can be a potential protective factor for depression symptoms."

"Dampak trait neurotisisme yang tinggi adalah depresi. Semakin tinggi tingkat neurotisisme seseorang, semakin besar kemungkinan seseorang mengalami depresi. Hubungan ini juga ditemui pada populasi mahasiswa. Kecenderungan depresi pada mahasiswa dapat disebabkan oleh gangguan tidur atau insomnia Taylor dkk., 2005; Baglioni dkk., 2010; Riemann dkk., 2010 . Hal ini karena mahasiswa memiliki sumber kecemasan yang khas terkait kewajiban sebagai seorang mahasiswa. Pada sisi lain insomnia dapat disebabkan oleh trait neurotisisme. Orang neurotik memiliki kecenderungan ruminasi. Ruminasi ini menyebabkan insomnia terutama bila pada malam hari dan mengganggu waktu tidur Carney dkk., 2010 . Penelitian ini bertujuan untuk melihat peran insomnia sebagai mediator dalam hubungan antara trait neurotisisme dan kecenderungan depresi pada mahasiswa Indonesia. Melalui analisis mediasi ditemukan bahwa insomnia memediasi secara parsial hubungan antara trait neurotisisme dan kecenderungan depresi F 2,447 = 124,694, adjusted R2= 0,355, p

---

One effect of neuroticism is depression. The higher the neuroticism, the more likely that a person becomes depressed. This relationship is also applicable in college student population. Depression tendency in college students can be influenced by insomnia Taylor et al., 2005 Baglioni et al., 2010 Riemann et al., 2010 . This is so due to the students 39 obligations. On the other hand, insomnia is influenced by neuroticism. Neurotic people tend to ruminate, and nightly rumination can lead to the onset of insomnia. Carney et al., 2010 . This study aimed to examine the role of insomnia as mediator between neuroticism and depression in college students. Depression in this study refered to depressive tendency. Using mediation analysis, it was found that insomnia partially mediated the relationship between neuroticism and depressive tendency F 2,447 124,694, adjusted R2 0,355."

"ABSTRAK Latar belakang: Frekuensi tumor ovarium serosum ganas menempati urutan tertinggi dari seluruh keganasan ovarium di dunia barat 80-85 , sesuai dengan arsip Departemen Patologi Anatomik Fakultas Kedokteran Universitas Indonesia FKUI /Rumah Sakit Cipto Mangunkusumo RSCM selama 10 tahun 2004-2013 , sebanyak 200 kasus 21,4 dari seluruh keganasan ovarium. GLUT-1 dapat digunakan sebagai penanda perangai biologik tumor ovarium serosum. Tujuan penelitian ini membandingkan ekspresi GLUT-1 pada tumor ovarium serosum borderline dan ganas serta faktor risiko.Metode: Penelitian ini menggunakan metode potong lintang. Sampel terdiri atas 17 kasus untuk masing masing kelompok tumor ovarium serosum borderline dan ganas. Dilakukan pulasan GLUT-1 dengan penilaian berdasarkan intensitas dan jumlah sitoplasma dan/atau membran sel yang terpulas. Dilakukan penghitungan histoscore dan persentase setiap kasus dan dinilai ekspresi GLUT-1 berdasarkan titik potong kemudian dikelompokkan menjadi ekspresi rendah dan tinggi.Hasil: Pulasan GLUT-1 ekspresi rendah sama banyak dengan ekspresi tinggi. Sebagian besar kelompok tumor ovarium serosum borderline menunjukkan ekspresi rendah. Kelompok tumor ovarium serosum ganas sebagian besar menunjukkan ekspresi tinggi. Perbedaan ekspresi GLUT-1 antara tumor ovarium serosum borderline dan ganas, secara statistik bermakna p ABSTRACT Background : The frequency of serous malignant tumors of ovary occupies the highest order of all ovarian malignancies in the western world 80-85 , in accordance with Department of Anatomical Pathology, Faculty of Medicine University of Indonesia / Cipto Mangunkusumo hospital datas, for 10 years 2004-2013 , as many as 200 cases 21.4 of all ovarian malignancies. GLUT-1 can be used as a marker in differentiating biological behaviour of serous ovarian tumor. The aim of the study was to compare expression of GLUT-1 in serous borderline and malignant tumours of the ovary. Methods : This was cross-sectional study. Sample consists of 17 cases for each group, serous borderline and malignant tumor of ovary, stained with GLUT-1 antibody. Quantification was based on the intensity and distribution of cytoplasm and/or cell membrane. The appraisal was done with estimating histoscore and percentage of each case. Calculation result was assessed by GLUT-1 expression, based on the point of intersection and then grouped into low and high expression.Result : The GLUT-1 low expression results are equal with high expression. Low grade expression found in majority cases of serous borderline ovarian tumors group. Groups of serous malignant ovarian tumors largely exhibit high expression. These differences in Glut-1 expression among the borderline and malignant cases, are statistically significant p"

"Penelitian telah menunjukkan bahwa siswa dengan ASD (Autism Spectrum Disorder) lebih berisiko untuk menjadi korban bullying yang dilakukan oleh siswa reguler di sekolah inklusif. Penelitian ini bertujuan untuk mengukur hubungan antara self-esteem dan frekuensi bullying yang dilakukan terhadap siswa dengan ASD pada siswa reguler di SMPN inklusif. Seratus tiga puluh enam siswa reguler (58 laki-laki dan 78 perempuan) dari tiga SMPN inklusi di Jakarta menjadi partisipan dalam penelitian ini. Frekuensi bullying terhadap siswa dengan ASD diukur dengan menggunakan Bullying Questionnaire (BQ) yang disusun oleh Duffy (2004). Rosenberg Self-Esteem Scale (RSES) yang disusun oleh Rosenberg pada tahun 1965 digunakan untuk mengukur self-esteem siswa. Berdasarkan hasil penghitungan korelasi Pearson product moment diperoleh koefisien korelasi antara self-esteem dan frekuensi bullying terhadap siswa dengan ASD sebesar -0,1 dengan nilai signifikansi sebesar 0,247 (p>0,01). Artinya, tidak terdapat hubungan yang signifikan antara kedua variabel.

---

Preliminary study suggest that student with ASD (Autism Spectrum Disorder) are at greater risk for being bullied by regular student in inclusvie school. The present study aimed to examine the relationship between self-esteem and frequency of bullying towards student with ASD among regular student in public inclusive junior high school. One hundred and thirty six regular students (58 boys and 78 girls) from three public inclusive junior high schools in Jakarta are participated in the study. Frequency of bullying behavior towards student with ASD was measured with Bullying Questionnaire (BQ), constructed by Duffy (2004).

Rosenberg Self-Esteem Scale (RSES) which was constructed by Rosenberg in 1965, was used to measure student’s self-esteem. The coefficient of Pearson product moment correlation between self-esteem and frequency of bullying towards students with ASD was -0,1 with significant value 0,247 (p>0,01). It indicate that there is no significant relationship between the two variables."