Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPada tahun 1950 MOORE dan FRERICHS (1953) telah mengasingkan kuman berbentuk batang tahan-asam dari infeksi menahun pada lutut karena trauma, dan dari absces bokong seorang penderita. Pada sediaan bisto-patologik jaringan synovia lutut dan kulit absces tampak gambaran yang merupai radang tuberkulosis. Nama yang diberikan kepada jenis kuman yang menyebabkan ini adalah Mycobacterium abscessus n.sp. berdasarkan persamaan gambaran histologik jaringan yang sakit dan perbedaan beberapa macam sifat dengan Mycobacteria yang diketahui dapat menyebabkan penyakit pada manusia, MOORE dan FRERICHS telah menganggap kuman penyebab sebagai satu Species Mycobacterium tersendiri berdasarkan perbedaan sifat-sifatnya dengan beberapa jenis Mycobacterium yang dikenal dan dipakainya sebagai perbandingan. Jenis-jenis tersebut adalah: Mycobacterium ranae, Mycobacterium thamnopheost Mycobacterium chelonei (Mycobacterium friedmannii), Mycobacterium piscium, Mycobacterium marinum, Mycobacterium leprae, Mycobacterium paratuberculosis dan Mycobacterium ulcerans.Hingga kini Mycobacterium abscessus belum diakui secara resmi sebagai satu species tersendiri. Waktu akhir-akhir ini makin sering diungkapkan cara-cara baru yang dapat dipakai pada diferensi asi jenis-jenis Mycobacterium.Oleh pelbagai penyelidik diumumkan cara-cara menentukan jenis kuman dengan perbandingan sifat-sifat antara jenis-jenis kuman lain (SNEATH, 1957; BOJALIL, 1961; CERBON, 1961; WAYNE, DOUBECK dan RUSSEL, 1964; TSUKAMURA, 1965; WAYNE dan DOUBECK, 1965; WAYNE, 1967).Penyelidikan ini dilakukan untuk menentukan sampai dimanakah jenis Mycobacterium abscessus dapat dianggap sebagai satu species tersendiri dan bila tidak, pada species apakah ia dapat digolongkan. Cara penentuan species Mycobacterium ini ialah dengan membandingkan hasil-hasil pelbagai macam pemeriksaan pada pelbagai jenis Mycobacterium yang bertumbuh cepat."

"BOLLINGER (1877) mengemukakan tentang penyakit yang banyak menyerang rahang dan tenggorokan ternak. Penyakit tersebut adalah osteosarkoma dan "wooden tongue" yang jejasnya mempunyai sifat utama granulomatosa. Jejas tersebut selain terdiri dari sel-sel granuloma, lekosit dan jaringan coati juga mengandung benda-benda granulasi kasar, berwarna kuning pucat yang merupai fungus. HARZ (1877)* menemukan hal yang sama seperti BOLLINGER dan men ,anggap badan-badaa granulasi tersebut sebagai fungus baru, yang karena tersusun radial maka dinamakannya rayfungus atau Actinomyces bovis. ISRAEL (1878) menenukan fungus tersebut iada seorang penderita pyeMia yang menahun dengan abses didadanya. PCNFICIL (1879, 1882)* membuat kesimpulan bahwa penyakit yang ditemukan BOLLINGER dan ISRAEL adalah penyakit yang sama yaitu actinomycosis.Kedudukan Actinomyces didalam dunia jasad renik ada yang nenggolongkan keda].am golongan bakteri, golongan fungus dan ada Pula yang menggolongkannya sebagai golongan tersendiri. Dengan Makin bertambahnya pengetahuan tentang morfologi Actinomyces maka penggolongannya lebih condong sebagai golongan tersendiri, yang sifatnya dalam beberapa hal mendekati bakteria sedangkan dalam sifat pertumbuhannya merupai fungus.Maka Ordo baru diusulkan oleh BUCHANAN (1913), yaitu Ordo Actinomycetales yang meripunyai sebuah Famili Actinomycetaceae yang terdiri dari 4 genus yaitu Actinobacillus, Leptotrichia, Actinomyces dan Nocardia.Tetapi "Committee of the Society of the American Bacteriologist;; serta LESKIE (1921); BERGEY (1923) ; WAKSMAN (1927); LEHMANN dan NEUMANN {1927); FORD (1922) ; TOPLEY dan WILSON (1927) dalam klasifikasinya menanggalkan naraa genus Nocardia dan memasukkan senua jenis Actinomyces dalam genus Actinomyces. Mereka merupakan pengikut BOSTROEM (1891) yang dalam pemeriksa--annya menemukan bahvra Actinomyces hidupnya aerob. Sedangkan ISRAEL dan WOLFF (1891) kemudian WRIGHT (1905) baru berhasil mernbiakkan Actinomyces secara anaerob. Malca PINOY (1913) serta CHALK. RS dan CHRISTOPHERSEN (1916) mengemukakan sebaiknya Actinomyces dibagi dalam 2 golongan berdasarkan kebutuhan akan zat asamnya, yaitu yang hidup secara aerob dan pada umumnya bersifat saprofit sebagai genus Nocardia, sedangkan yang hidup anaerob ialah genus Actinomyces."

"ABSTRAKPenyebaran ujaran kebencian dan ujaran kasar di media sosial merupakan hal yang harus diidentifikasi secara otomatis untuk mencegah terjadinya konflik masyarakat. Selain itu, ujaran kebencian mempunyai target, golongan, dan tingkat tersendiri yang juga perlu diidentifikasi untuk membantu pihak berwenang dalam memprioritaskan kasus ujaran kebencian yang harus segera ditangani. Tesis ini membahas klasifikasi teks multi label untuk mengidentifikasi ujaran kasar dan ujaran kebencian disertai identifikasi target, golongan, dan tingkatan ujaran kebencian pada Twitter berbahasa Indonesia. Permasalahan ini diselesaikan menggunakan pendekatan machine learning menggunakan algoritma klasifikasi Support Vector Machine (SVM), Naïve Bayes (NB), dan Random Forest Decision Tree (RFDT) dengan metode transformasi data Binary Relevance (BR), Label Power-set (LP), dan Classifier Chains (CC). Jenis fitur yang digunakan antara lain fitur frekuensi term (word n-grams dan character n-grams), fitur ortografi (tanda seru, tanda tanya, huruf besar/kapital, dan huruf kecil), dan fitur leksikon (leksikon sentimen negatif, leksikon sentimen positif, dan leksikon kasar). Hasil eksperimen menunjukkan bahwa secara umum algoritma klasifikasi RFDT dengan metode transformasi LP memberikan akurasi yang terbaik dengan waktu komputasi yang cepat. Algoritma klasifikasi RFDT dengan metode transformasi LP menggunakan fitur word unigram memberikan akurasi sebesar 66,16%. Jika hanya mengidentifikasi ujaran kasar dan ujaran kebencian (tanpa disertai identifikasi target, golongan, dan tingkatan ujaran kebencian), algoritma klasifikasi RFDT dengan metode transformasi LP menggunakan gabungan fitur word unigram, character quadgrams, leksikon sentimen positif, dan leksikon kasar mampu memberikan akurasi sebesar 77,36%.

---

Hate speech and abusive language spreading on social media needs to be identified automatically to avoid conflict between citizen. Moreover, hate speech has target, criteria, and level that also needs to be identified to help the authority in prioritizing hate speech which must be addressed immediately. This thesis discusses multi-label text classification to identify abusive and hate speech including the target, category, and level of hate speech in Indonesian Twitter. This problem was done using machine learning approach with Support Vector Machine (SVM), Naïve Bayes (NB), and Random Forest Decision Tree (RFDT) classifier and Binary Relevance (BR), Label Power-set (LP), and Classifier Chains (CC) as data transformation method. The features that used are term frequency (word n-grams and character n-grams), ortography (exclamation mark, question mark, uppercase, lowercase), and lexicon features (negative sentiment lexicon, positif sentiment lexicon, and abusive lexicon). The experiment results show that in general RFDT classifier using LP as the transformation method gives the best accuracy with fast computational time. RFDT classifier with LP transformation using word unigram feature give 66.16% of accuracy. If only for identifying abusive language and hate speech (without identifying the target, criteria, and level of hate speech), RFDT classifier with LP transformation using combined fitur word unigram, character quadgrams, positive sentiment lexicon, and abusive lexicon can gives 77,36% of accuracy.

"

"ABSTRAKMenundjukkan adanja kuman-kuman tuberkulosis pada seseorang jang tersangka menderita penjakit tuberkulosis adalah sangat penting untuk para dokter. Tidak hanja untuk menundjang diagnosis klinik, akan tetapi djuga untuk menentukan basil pcngobatan jang telah ditjapai. Atjapkali para dokter mendjumpai penderita-penderita jang belum pasti menderita tuberkulosis. Dalam hal-hal sematjatn itu perlu dilakukan pemeriksaan bakteriologik. Tjara-tjara jang lazim dipakai jalah pembiakan dan pertjobaan binatang disamping pemeriksaan mikroskopik untuk menetapkan adanja Mycobacterium tuberculosis. Djika kita mempeladjari kepustakaan tentang tjara-tjara penjelidikan tersebut, maka kita dapat kesan betapa banjaknja waktu jang diperlukan untuk pemeriksaan-pemeriksaan itu dan bahwa tidak ada persamaan dalam tjara bekerdja dipelbagai laboratorium.Oleh karcna itu, Prof. K.A. Jensen (1954), ketua ?Committee of Laboratory Methods of the International Union against Tuberculosis", telah mengusulkan agar tjara pemeriksaan laboratorium mengenai Mycobacterium tuberculosis, dapat dilakukan dengan tjara jang sama untuk semua laboratorium, hingga dengan demikian hasil-hasilnja dapat diperbandingkan satu sama lain.Tudjuan tesis ini, jang didasarkan pada penjelidikan sendiri, jalah menjelidiki faktor-faktor jang dapat mcmpengaruhi pemeriksaan bakteriologik tentang Mycobacterium tuberculosis didalam dahak, agar dengan demikian dapat menghasilkan suatu dasar tjara bekerdja jang kelak dapat dipakai di Indonesia."

"Penyakit TB masih merupakan masalah kesehatan kesehatan masyarakat yang penting di Indonesia. Upaya diagnostik TB paru masih terus ditingkatkan. Pemeriksaan penunjang diagnosis TB yang sekarang digunakan masih mempunyai sensitiviti dan spesitiviti yang rendah. Tujuan penelitian mengetahui tingkat akurasi uji tuberkulin dan PCR terhadap penegakkan diagnosis TB serta hubungan uji tuberkulin dan PCR dengan BTA mikroskopis dan biakan M. Tb dalam diagnosis TB paru.Metode penelitian cross-sectional, uji diagnostik dan analisa data menggunakan Chi-Square. Kriteria inklusi penderita terdapat gejala klinik riwayat batuk 3 minggu disertai atau tanpa batuk darah, nyeri dada, sesak napas dan riwayat minum obat TB dalam jangka waktu kurang dari 1 bulan serta bukan TB (kontrol). Seluruh sampel dilakukan anamnesis, pemeriksaan fisik, lekosit, LEDI/II, foto toraks, uji tuberkulin, PCR, BTA mikroskopis 3X dan biakan M. Tb mctode kudoh. Baku emas yang digunakan biakan M. Tb metode kudoh. Data diolah menggunakan SPSS versi 11.00.Berdasar 127 sampel masuk kriteria inklusi 121. Sampel berjumlah 121 terdiri dari 61 sampel tersangka TB dan 60 sampel kontrol Sensitiviti dan spesivisiti uji tuberkulin terhadap biakakn metode Kudah menggunakan cut-off point 15,8 mm 33% dan 93%. Sensitiviti PCR terhadap biakab metode Kudoh 100%, spesitiviti PCR 78%. Didapatkan perbedaan bermakna dan hubungan lemah uji tuberkulin dengan biakan M. Tb dan PCR serta didapatkan perbedaan dan hubungan bermakna PCR dengan BTA mikroskopis biakan M. Tb.Kesimpulan basil keseluruhan penelitian mendapatkan basil 39 sampel biakan positif, 36 sampel BTA mikroskopis positif, 57 sampel PCR positif dan 18 sampel uji tuberkulin positif. Ditemukan sensitiviti basil uji tuberkulin lebih rendah daripada PCR, BTA mikroskopis dan biakan M. Tb mctode Kudoh. Meskipun terdapat perbedaan bermakna basil uji tuberkulin pada biakan positif clan negatif, BTA mikroskopis positif dan negatif, serta PCR positif dan negatif, akan tetapi uji tuberkulin (menggunakan cut-off point 15.8 mm) kurang dapat membantu penegakan diagnosis TB para. Berdasarkan hasil penelitian ditemukan bahwa diantara keempat pemeriksaan penunjang diagnosis TB paru PCR mempunyai nilai sensitivit dan spesitiviti tinggi ( 100% dan 78%). sehingga PCR dapat digunakan sebagai pemeriksaan penunjang diagnosis TB paru apabila didapatkan klinis dan radiology mendukung TB paru. Menggunkan pemeriksaan PCR akan didapatkan metode penegakan diagnosis TB paru yang cepat ( 1 hari ) dibandingkan dengan menunggu hasil biakan M. Tb hingga 8 minggu.

---

Objective. In an attempt diagnosis pulmonary tuberculosis still increased continuously. Now additional examination pulmonary tuberculosis have been lack sufficient sensitivity and sensitivities. The aim of this study was to determine the validity of tuberculin skin testing (TST) and PCR toward assessment diagnosis pulmonary of tuberculosis with correlation between tuberculin skin testing to PCR with AFB microscopic and solid media culture of M. tuberculosis for the diagnosis of pulmonary tuberculosis.

Method. A cross-sectional study, diagnostic test and analysis with Chi-Square test. Inclusion criteria patient with pulmonary symptom include chronic cough 3 weeks with or without hemoptysis, chest pain, breathlessness and past history of ATA less than 1 month with non-tuberculosis patient (control). The general samples was examination Ro thorax, tuberculin skin testing, PCR, AFB microscopic and conventional culture. The golden standard is conventional culture test using Kudoh method. Analyze of the data with SPSS version 11.0.

Result. The study material comprised 121 samples from 127 samples. These samples include 61 samples from patient with probably active pulmonary tuberculosis and 60 control comprising healthy individuals. The sensitivity and specificity of tuberculin skin testing with cut-off point 15.8 mm greater was 33% and 93% on conventional culture test using Kudoh method. PCR sensitivity was 100% and spesitivity was 78%. It was showed the positivity correlation between pulmonary tuberculosis and conventional culture as well as PCR and AFB microscopic, the conventional culture test.

Conclusion. The sensitivity of tuberculin skin testing less than PCR, AFB microscopic and conventional culture test. So that not enough to assessment diagnosis pulmonary tuberculosis. The sensitivity and specificity PCR was I00% and 78%. With the use of PCR test, we were able to detect diagnosis pulmonary tuberculosis more rapidly in less than I day, compared to average 8 week required for detection by conventional culture."

"Tahun 2008 Kabupaten Kebumen dilanda kekeringan. Masyarakat kesulitan air bersih dan air irigasi menyusul menurunnya debit sumber air. Penggunaan data penginderaan jauh dan Sistem Informasi Geografis (SIG) dapat digunakan untuk mengidentifikasi potensi daerah rawan kekeringan. Transformasi citra satelit Landsat TM untuk mendapatkan indeks kecerahan, indeks ke basahan, dan indeks vegetasi digunakan untuk mengetahui kondisi permukaan dalam hubungannya dengan kekeringan. Indeks kecerahan dan indeks kebasahan diperoleh dari modifikasi tasseled cap, sedangkan indeks vegetasi diperoleh dari nilai normalized difference vegetation index (NDVI). Parameter lain seperti kondisi akuifer, curah hujan serta jenis penggunaan lahan pertanian kering merupakan faktor dalam mengidentifikasi kekeringan. Data-data tersebut dilakukan sesuai dengan deskripsi zona wilayahnya guna mendapatkan kajian wilayah dalam hubungannya dengan kekeringan. Hasil dari penelitian ini mengidentifikasikan bahwa sebagian kecamatan di Kabupaten Kebumen yang meliputi Karanggayam, Karangsambun g, Sadang, Alian, Puring, Klirong, Buluspesantren, Ambal, dan Mirit terdeteksi memiliki potensi kekeringan.

---

Kebumen regency was drought in year 2008, community clean water shortages and irrigation water following a decline in water resources. The use of remote sensing data and GIS can be used to identify the potential for drought-prone areas. Transformation of Landsat TM satellite imagery to obtain the brightness index, wetness index and vegetation index used to determine surface conditions in relation to drought. Brightness index and wetness index derived from the tasseled cap modifications, while the vegetation index derived from normalized difference vegetation index (NDVI) values. Other parameters such as aquifer conditions, rainfall and other types of dry agricultural land use was a factor in identifying drought. The data are performed in accord ance with the zone description in order to get the study area in relation to regional drought. The result of the research is identified area the district of Karangsambung, Karanggayam, Sadang, Alian, Puring, Klirong, Buluspesantren, Ambal and Mirit potential drought."

"Diabetes melitus tipe 2 (DMT2) merupakan salah satu tipe diabetes yang telah menjadi permasalahan besar dalam dunia kesehatan. Salah satu pengobatan DMT2 yang mendegrasi enzim glukagon dan meningkatkan sekresi insulin adalah inhibitor Dipeptidil Peptidase-IV (DPP-IV).  Inhibitor DPP-IV yang sudah digunakan memiliki efek samping yang bahaya, seperti pankreatitis akut, arthalagia, dan gagal jantung. Pada penelitian ini, dilakukan pengembangan model Virtual Screening (VS) menggunakan teknologi Artificial Intelligence (AI) untuk identifikasi inhibitor DPP-IV yang berpotensi. Pengembangan model VS dilakukan menggunakan konsep machine learning (ML) dan deep learning (DL). Pada penelitian ini, dilakukan 18 pengembangan model ML dan 8 model DL. Model VS DPP-IV yang optimal merupakan DNN dengan fitur Fingerprint dengan nilai parameter statistik lebih tinggi dari threshold VS optimal yaitu 0,85, dengan akurasi 0,91554, presisi 0,90815, sensitivitas 0,92319, selektivitas 0,90801, dan nilai F1 0,9156. Hyperparameter optimal model VS adalah tiga layer dengan jumlah neuron 2.000, 1.000, 100; nilai dropout 0; ukuran batch size 256; jumlah epoch 100; kecepatan learning rate 0,0001; dan tipe activation function merupakan RELU. Model VS DPP-IV dilakukan ujicoba terhadap database bindingDB dan didapat 24 ligan potensi. Berdasarkan perbandingan nilai binding affinity 24 ligan potensi terhadap ligan inhibitor DPP-IV menggunakan penambatan molekular, didapat satu ligan potensi berinteraksi dengan situs aktif S2 dan tujuh ligan potensi berinteraksi dengan situs aktif S3. Ligan tersebut memiliki nilai binding affinity lebih rendah dari ligan inhibitor DPP-IV yang FDA-approved dan lebih rendah dari -8 kcal/mol. Hasil ini menunjukkan bahwa model VS DPP-IV menggunakan AI dapat menjadi metode virtual screening dalam identifikasi inhibitor DPP-IV yang baru.

---

Diabetes mellitus type 2 (DMT2) is one of diabetes type that has been causing problems in the health sector. One of the DMT2 medications that can degrade glucagon enzyme and increase insulin secretion is a Dipeptydil Peptidase-IV (DPP-IV) inhibitor. However, DPP-IV inhibitor drugs result in unexpected side effects such as acute pancreatitis, arthralgia, and heart failure. This research developed a virtual screening (VS) model using Artificial Intelligence (AI) to identify potential DPP-IV inhibitors. VS models that were developed were 18 ML models and 8 DL models. DNN with fingerprint features was the VS model best optimal with statistical parameters that exceeds the optimum VS threshold value, which is 0,85, with accuracy 0,91554, precision 0,90815, sensitivity 0,92319, selectivity 0,90801, and F1 score 0,9156. Optimum VS model hyperparameter used a three-layered neuron with the neuron amount of each layer were 2000, 1000, and 100; zero dropout, 256 batch size, 100 epochs, learning rate 0,0001 with RELU as activation function. DPP-IV VS model was used to predict potential ligands using bindingDB and showed 24 ligands with an AI confidence level above 0.98. Based on the binding affinity comparison with DPP-IV inhibitors by molecular docking, it resulted one ligand interacting with active site S2 and seven ligands interacting with active site S3. These ligands had lower binding affinity value compared to FDA-approved DPP-IV inhibitor by docking. The result of this research showed that the DPP-IV VS model using AI could be a new VS model in identifying new DPP-IV inhibitors."