Hasil Pencarian  ::  Simpan CSV :: Kembali

"COVID-19 telah merenggut nyawa banyak manusia. Tercatat per tanggal 29 Juni 2021, sudah terdapat sekitar 3,923,238 pasien yang meninggal dunia akibat penyakit dengan tingkat penularan yang tinggi ini. Dengan semakin banyaknya orang yang terinfeksi COVID-19, persediaan alat untuk mendeteksi penyakit ini pun juga semakin terbatas yang dapat menyebabkan pandemi COVID-19 pun menjadi semakin tidak terkendali. Oleh karena itu, penting untuk mempertimbangkan metode deteksi COVID-19 lainnya yang dapat membantu para staf kesehatan untuk melakukan deteksi pasien positif COVID-19.Metode deteksi COVID-19 lainnya yang bisa dipertimbangkan untuk dikembangkan adalah metode deteksi COVID-19 dengan artificial intelligence. Dengan metode tersebut, data-data seperti data gejala pasien, data citra toraks, serta data interpretasi citra berupa teks dapat dimanfaatkan untuk mengembangkan suatu model prediksi COVID- 19. Ketiga tipe data yang berbeda tersebut dapat dikombinasikan sebagai data input untuk membangun suatu model klasifikasi COVID-19. Pengkombinasian data yang berbeda dapat dilakukan dengan cara melakukan konkatenasi pada tiap input layer yang menerima data gejala dan data teks dengan suatu layer dari arsitektur CNN. Beberapa arsitektur CNN yang dapat digunakan pada penelitian ini adalah ResNet, DenseNet, Inception- ResNet, DarkCovidNet, CoroNet, dan COVID-Net. Selain itu, metode Grad-CAM juga dipilih untuk proses deteksi persebaran coronavirus.Hasil pengujian menunjukkan bahwa banyak model yang dihasilkan dari pendekatan kombinasi data gambar, data tabular, dan data teks memiliki nilai sensitivitas, akurasi, serta f1-score yang tinggi. Hal tersebut menunjukkan bahwa pendekatan tersebut secara umum menghasilkan model-model dengan performa yang tinggi juga seimbang. Namun, berdasarkan hasil pengujian pula, diketahui bahwa model yang memiliki performa tertinggi dicapai oleh model dari pendekatan klasifikasi gambar dengan data tabular yang menggunakan arsitektur DenseNet khususnya dengan nilai learning rate = 10−3. Model tersebut tercatat memiliki performa yang tinggi dan seimbang dengan nilai sensitivitasnya mencapai angka 1,00, akurasi mencapai angka 0,94, dan F1-Score mencapai angka 0,94.

---

COVID-19 has taken the lives of many people. As of June 29th 2021, there were approximately 3.923.238 deaths due to this highly contagious disease. With the increasing number of infected people, the COVID-19 detection tool supplies are also getting limited that can lead to an out-of-control situation. Therefore, it is quite necessary to consider alternative methods for COVID-19 detection.

Another COVID-19 detection that can be considered to be developed is a COVID- 19 detection method with artificial intelligence. With artificial intelligence, a COVID-19 prediction model can be built by using any available data such as patient symptom dataset, patient thorax images especially chest X-Ray, and thorax interpretations in text form. Those three types of data can be utilized and combined as data input to build a COVID-19 detection system. The combination of those three different types of data can be done with the concatenation of each input layer of tabular and text data with a layer from a CNN architecture. In this study, there are six CNN architectures used and those are ResNet, DenseNet, Inception-ResNet, DarkCovidNet, CoroNet, and COVID-Net. Besides, the Grad-CAM technique is also implemented for coronavirus detection purposes.

The result shows that most of the models from the combined image, tabular, and text datasets offer high sensitivities, accuracies, and scores of F1-Score. It means that the combined image, tabular, and text datasets generally obtained high performance and balanced models. However, according to the test results, the best performance model is achieved by the combined image and tabular datasets approach with DenseNet architecture and the learning rate of 10−3. Such a model achieves the best performance model with an accuracy score of 0.94, a sensitivity score of 1.00, and an f1-score of 0.94."

"COVID-19 telah merenggut nyawa banyak manusia. Tercatat per tanggal 29 Juni 2021, sudah terdapat sekitar 3,923,238 pasien yang meninggal dunia akibat penyakit dengan tingkat penularan yang tinggi ini. Dengan semakin banyaknya orang yang terinfeksi COVID-19, persediaan alat untuk mendeteksi penyakit ini pun juga semakin terbatas yang dapat menyebabkan pandemi COVID-19 pun menjadi semakin tidak terkendali. Oleh karena itu, penting untuk mempertimbangkan metode deteksi COVID-19 lainnya yang dapat membantu para staf kesehatan untuk melakukan deteksi pasien positif COVID-19.Metode deteksi COVID-19 lainnya yang bisa dipertimbangkan untuk dikembangkan adalah metode deteksi COVID-19 dengan artificial intelligence. Dengan metode tersebut, data-data seperti data gejala pasien, data citra toraks, serta data interpretasi citra berupa teks dapat dimanfaatkan untuk mengembangkan suatu model prediksi COVID-19. Ketiga tipe data yang berbeda tersebut dapat dikombinasikan sebagai data input untuk membangun suatu model klasifikasi COVID-19. Pengkombinasian data yang berbeda dapat dilakukan dengan cara melakukan konkatenasi pada tiap input layer yang menerima data gejala dan data teks dengan suatu layer dari arsitektur CNN. Beberapa arsitektur CNN yang dapat digunakan pada penelitian ini adalah ResNet, DenseNet, Inception-ResNet, DarkCovidNet, CoroNet, dan COVID-Net. Selain itu, metode Grad-CAM juga dipilih untuk proses deteksi persebaran coronavirus.Hasil pengujian menunjukkan bahwa banyak model yang dihasilkan dari pendekatan kombinasi data gambar, data tabular, dan data teks memiliki nilai sensitivitas, akurasi, serta f1-score yang tinggi. Hal tersebut menunjukkan bahwa pendekatan tersebut secara umum menghasilkan model-model dengan performa yang tinggi juga seimbang. Namun, berdasarkan hasil pengujian pula, diketahui bahwa model yang memiliki performa tertinggi dicapai oleh model dari pendekatan klasifikasi gambar dengan data tabular yang menggunakan arsitektur DenseNet khususnya dengan nilai learning rate = 10-3. Model tersebut tercatat memiliki performa yang tinggi dan seimbang dengan nilai sensitivitasnya mencapai angka 1,00, akurasi mencapai angka 0,94, dan F1-Score mencapai angka 0,94.

---

COVID-19 has taken the lives of many people. As of June 29th 2021, there were approximately 3.923.238 deaths due to this highly contagious disease. With the increasing number of infected people, the COVID-19 detection tool supplies are also getting limited that can lead to an out-of-control situation. Therefore, it is quite necessary to consider alternative methods for COVID-19 detection.

Another COVID-19 detection that can be considered to be developed is a COVID-19 detection method with artificial intelligence. With artificial intelligence, a COVID-19 prediction model can be built by using any available data such as patient symptom dataset, patient thorax images especially chest X-Ray, and thorax interpretations in text form. Those three types of data can be utilized and combined as data input to build a COVID-19 detection system. The combination of those three different types of data can be done with the concatenation of each input layer of tabular and text data with a layer from a CNN architecture. In this study, there are six CNN architectures used and those are ResNet, DenseNet, Inception-ResNet, DarkCovidNet, CoroNet, and COVID-Net. Besides, the Grad-CAM technique is also implemented for coronavirus detection purposes.

The result shows that most of the models from the combined image, tabular, and text datasets offer high sensitivities, accuracies, and scores of F1-Score. It means that the combined image, tabular, and text datasets generally obtained high performance and balanced models. However, according to the test results, the best performance model is achieved by the combined image and tabular datasets approach with DenseNet architecture and the learning rate of \(10^{-3}\). Such a model achieves the best performance model with an accuracy score of 0.94, a sensitivity score of 1.00, and an f1-score of 0.94.

"

"Latar belakang: Pasien bekas TB yang telah diobati akan mengalami perubahan struktur anatomi paru permanen sehingga dapat meningkatkan risiko kejadian gejala sisa. Gejala sisa yang terjadi dapat meninggalkan lesi di paru dan ekstra paru. Pada lesi paru biasanya diawali dengan perubahan struktur bronkial dan parenkim paru seperti distorsi bronkovaskuler, bronkietaksis, emfisematus dan fibrosis. Fungsi paru pada pasien 6 bulan setelah menyelesaikan pengobatan TB kategori I ditemukan nilai tes fungsi paru cenderung lebih rendah walapun sudah menyelesaikan obat anti tuberculosis (OAT) selama 6 bulan.Metode: penelitian menggunakan metode potong lintang pada 65 pasien yang mendapatkan OAT lini I di Poli Paru RSUP persahabatan. Subjek penelitian akan menjalani pemeriksaan spirometri, DLCO, darah rutin dan HRCT toraks.Hasil: Pada penelitian ini didapatkan median usia subjek 45 tahun dengan usia paling muda 18 tahun dan usia paling tua 60 tahun. Jenis kelamin pada penelitian ini didapatkan laki-laki sebanyak 33 subjek (51%). Sebanyak 66% subjek terdapat kelainan spirometri. Hasil spirometri dengan kelainan terbanyak yaitu gangguan restriksi dan obstruksi (campuran) pada 29 (44%) subjek, gangguan restriksi sebanyak 13 (21%) subjek, satu (1%) subjek gangguan obstruksi dan 22 (33%) subjek tidak ditemukan kelainan. Derajat lesi pada HRCT toraks menggunakan modifikasi Goddard score didapatkan derajat lesi ringan sebanyak 33 (51%), sedang 20 (31%), berat 8 (12%) subjek. Karakteristik lesi terbanyak pada parenkim paru secara berurutan fibrosis, kalsifikasi, bullae, retikuler opasitas, ground glass opacity (GGO), nodul, konsolidasi dan jamur. Lesi saluran napas yang terbanyak secara berurutan yaitu bronkietaksis, ateletaksis, dilatasi trakea. Gangguan kapasitas difusi terbanyak yaitu derajat ringan 25 (38%), moderate 22 (33%) dan berat 3 (5%). Pada penelitian ini ditemukan perbedaan bermakna antara derajat kelainan kapasitas difusi paru terhadap derajat lesi pada HRCT toraks dan terdapat risiko 8,68 kali (IK 95% 2,3-32,72)..Kesimpulan: Terdapat hubungan bermakna antara derajat gangguan difusi paru terhadap derajat lesi pada HRCT toraks. Penurunan fungsi paru setelah menyelesaikan pengobatan TB dapat terjadi sehingga diperlukan pemeriksaan fungsi paru dan HRCT toraks secara berkala.

---

Background: Former TB infection patients will experienced changes in anatomical structure of the lung. Hence, it wil increased risk of sequelae. Sequelae can occur in extra pulmonary. Lung lesions changes in the structure of the bronchial and lung parenchyma such as bronchovascular distortion, bronchietacsis, emphysema and fibrosis. Lung functions in patients 6 months after completing TB treatment found that lung function test tend to be lower even after completing treatment for 6 months.

Methods: This studi used a cross-sectional method on 65 patients whom received anti tuberculosis drugs at Lung Polyclinic, Persahabatan Hospital. Research subjects will undergo spirometry, DLCO, blood test and HRCT thorax.

Results: In this study median age of subjects was 45 years. The youngest was 18 years and oldest was 60 years. Male population was 33 (51%) subjects. Total 66% subjects have lung function impairment. Resulst of spirometry showed mixed disorder in 29 (44%) subjects, restriction disorder in 12 (19%) subjects, one subjects with obstructive disorders and 22 (33%) subjects are normal. Based on Goddard modificaion score showed mild degree in 33 (51%) subects, moderate 20 (31%) dan severe 8 (12%) subjects. The most characteristic lesions in the lung parenchymal were fibrosis, calcification, bullae, reticular opacity, GGO, nodules, consolidation and fungi. The most common airway lesions were bronchietacsis, atelectasis and trachel dilatation. The most common lung diffusion impairment is mild 25 (38%), moderate 22 (33%) and severe 3 (5%). In this study found that there was a significant difference among lung diffusion impairment and degree of lesion based on HRCT thorax with OR 8.68 (CI 95% 2.3- 32.72).

Conclusion: There was significant relationship between lung diffusion impairment and degree of lesions based on HRCT thorax. Decrease lung function after completing TB treatment can occur so that routine lung function test and HRCT thorax imaging are recommended."

"Pendahuluan: Ventilasi mekanik merupakan salah satu manajemen ARDS pada pasien dewasa COVID-19 yang sakit kritis yang masih sering diperdebatkan, salah satunya terkait waktu inisiasi intubasi. Keterlambatan intubasi dapat menyebabkan patient self-induced lung injury (P-SILI). Namun, intubasi yang terlalu dini juga dapat memberikan komplikasi. Oleh karena itu, perlu dilakukan telaah sistematis yang dapat memberikan informasi apakah intubasi dini pada fase awal penyakit memberikan luaran yang lebih baik pada pasien COVID-19 dewasa.Metode: Telaah sistematis dilakukan melalui pencarian penelitian pada basis data PubMed, CENTRAL, ProQuest, dan Scopus, dan dilakukan seleksi penelitian sesuai dengan kriteria eligibilitas. risiko bias dinilai dengan instrument Quality in Prognosis Penelitianes (QUIPS).Hasil: Dilakukan analisis terhadap 7 penelitian dengan total subyek 1395 pasien COVID-19 dewasa berat yang memerlukan ventilasi mekanik, dengan pendekatan penilaian yang berbeda, dimana 5 penelitian menilai mortalitas pada kelompok pasien intubasi dini dan intubasi tunda, dan 2 penelitian lainnya menilai rerata atau median dari waktu inisiasi intubasi pada kelompok yang meninggal dan hidup. Seluruh penelitian menunjukkan tidak adanya hubungan antara waktu intubasi dengan mortalitas. Kebanyakan penelitian memiliki risiko bias yang rendah untuk setiap domain, kecuali tiga penelitian dengan risiko bias menengah karena tidak mendefinisikan faktor prognosis dengan jelas.Kesimpulan: Mortalitas pasien COVID-19 dewasa yang sakit kritis tidak hanya dapat diprediksi dari waktu pemberian intubasi, tetapi banyak faktor lain yang mempengaruhinya.

---

Introduction: Mechanical ventilation as the management of acute respiratory distress syndrome (ARDS) in critically ill COVID-19 patient is still controversial, including timing of intubation. The delay of intubation can cause patient self-induced lung injury (P-SILI). However, early intubation which resulted in prolonged mechanical ventilation can cause complications. Therefore, a systematic review is needed to provid information regarding the timing of intubation related to the clinical outcome of the patient.

Methods: Database searching from PubMed, The Cochrane Central Register of Controlled Trials (CENTRAL), ProQuest, and Scopus was conducted and penelitianes were selected based on the eligibility criteria. It includes prognostic penelitianes of adult COVID-19 patients with ARDS and mechanically ventilated. The penelitianes were critically appraised for risk of bias using Quality In Prognosis Penelitianes (QUIPS) tool.

Result: We included seven penelitianes involving 1395 adult COVID-19 patients with ARDS and mechanically ventilated, with two different methods.. Five of them assessed mortality in two groups of patients, early and late intubation, while two others determined the mean or median of intubation time in survivor and non-survivor group. All of the penelitianes showed no association between timing of intubation and mortality. Most of the penelitianes have low risk of bias for its respective domain, with only three penelitianes showed medium risk of bias due to unclear definition of prognostic factors.

Conclusion: Mortality of critically ill COVID-19 adult patient cannot be predicted only with timing of intubation, yet many factors contributed to the prognosis."

"Latar Belakang: Janus Kinase (JAK)-inhibitors telah digunakan untuk terapi beberapa penyakit inflamasi dan autoimun karena kemampuannya untuk mengendalikan respon imun dan cytokine release syndrome. Saat ini penggunaan baru dari Janus Kinase (JAK)-inhibitors diperuntukan untuk terapi coronavirus disease 2019 (Covid-19), namun bukti mengenai kegunaannya masih belum jelas. Penelitian ini dilakukan untuk menganalisa efikasi dari Janus Kinase (JAK)-inhibitors untuk mengurangi mortalitas pasien Covid-19.Tujuan: Mengetahui efek pemberian terapi Janus Kinase (JAK)-inhibitors terhadap mortalitas pasien Covid-19.Metode: Dengan menggunakan kata kunci spesifik, dilakukan pencarian artikel potensial secara komprehensif pada PubMed, Europe PMC, and ClinicalTrials.gov database dengan pembatasan waktu sampai 2 Juni 2021. Semua penelitian tentang Covid-19 dan JAK-inhibitors dimasukan. Analisa statistik dilakukan denganReview Manager 5.4 software.Hasil: 13 penelitian dengan 4339 pasien Covid-19 dimasukan dalam meta-analisis. Data kami menyimpulkan bahwa terapi JAK-inhibitors berhubungan dengan menurunnya mortalitas pasien Covid-19 (RR 0.52; 95%CI: 0.36-0.76, p=0.0006, I2 = 33%, random-effect modelling).Kesimpulan: Penelitian ini menyimpulkan terapi JAK-inhibitors berhubungan dengan menurunnya mortalitas pasien Covid-19. Namun dibutuhkan randomized clinical trials yang lebih banyak untuk mengkonfirmasi hasil penelitian ini.

---

Background: : Janus Kinase (JAK)-inhibitors have been used for treating several inflammatory and autoimmune disease because of its ability to restrains immune systems and cytokine release syndrome. Currently, JAK-inhibitors are repurposed for the treatment of coronavirus disease 2019 (Covid-19), however the evidence regarding their benefit are still unclear. This study sought to analyze the efficacy of JAK-inhibitors in improving the mortality outcomes of Covid-19 patients.

Objective: To determine the effect of JAK-inhibitors as therapy in Covid-19 patients related to mortality.

Methods: Using specific keywords, we comprehensively searched the potential articles on PubMed, Europe PMC, and ClinicalTrials.gov database until June 2nd, 2021. All published studies on Covid-19 and JAK-inhibitors were retrieved. Statistical analysis was conducted using Review Manager 5.4 software.

Results: A total of 13 studies with 4,339 Covid-19 patients were included in the meta-analysis. Our data suggested that JAK-inhibitors was associated with reduction of mortality from Covid-19 (RR 0.52; 95%CI: 0.36 – 0.76, p=0.0006, I2 = 33%, random-effect modelling).

Conclusion: Our study suggests that JAK-inhibitors may offer beneficial effects on Covid-19 mortality. However, more randomized clinical trials warrant to confirm the findings of our study."

"Corona Virus Disease atau COVID-19 merupakan sebuah wabah yang ditemukan pada akhir tahun 2019 di provinsi Wuhan, China, yang kemudian menyebar ke seluruh dunia. Reverse Transcription Polymerase Chain Reaction (RT-PCR) kemudian digunakan sebagai metode diagnosa COVID-19. Namun metode RT-PCR memerlukan waktu yang lama dalam proses diagnosa sehingga American College of Radiography (ACR) merekomendasi penggunaan alat radiografi seperti Computed Tomography Scan (CT- Scan) dan X-ray sebagai metode tambahan dalam mendiagnosa COVID-19. X-ray kemudian dipilih sebagai metode tambahan dalam mendiagnosa COVID-19 karena alat yang digunakan lebih fleksibel dan sudah tersebar luas di berbagai klinik kesehatan. Pada penelitian ini, penulis menggunakan pendekatan neural network yaitu Convolutional Neural Network (CNN) untuk metode Deep Feature Extraction dan metode klasifikasi klasik dalam membuat model yang dapat mengklasifikasi paru-paru normal, terjangkit COVID-19, dan pneumonia berdasarkan data citra X-ray. Arsitektur CNN yang digunakan dalam penelitian ini adalah ResNet-50 dan metode klasifikasi klasik yang digunakan adalah Support Vector Machine (SVM), Random forest, K-Nearest Neighbor (KNN), dan Extreme Gradient Boosting (XGBoost). Dataset yang digunakan dalam penelitian ini adalah COVID-19 Image Data Collection oleh J. P. Cohen, ChestX-Ray8 Dataset oleh National Institute of Health, dan Chest X-ray Dataset oleh Mendeley Data. Selanjutnya, model dilatih menggunakan ResNet-50 untuk proses ekstraksi fitur dari fully connected layer. Kemudian, vektor fitur dari fully connected layer diklasifikasi menggunakan metode klasifikasi klasik SVM, Random forest, KNN, dan XGBoost. Berdasarkan hasil simulasi, diketahui akurasi terbaik didapatkan oleh kombinasi antara ResNet-50 dan SVM dengan 94,22%. Recall terbaik didapatkan oleh kombinasi antara ResNet-50 dan KNN dengan 94%. Precision terbaik didapatkan oleh ResNet-50 dengan 94,36%. Running time terbaik didapatkan oleh ResNet-50 dengan 0,0006 detik.

---

Corona Virus Disease or COVID-19 is an outbreak that was discovered at the end of 2019 in the province of Wuhan, China, which then spread throughout the world. Reverse Transcription Polymerase Chain Reaction (RT-PCR) was then used as a method of diagnosing COVID-19. However, the RT-PCR method requires a long time in the diagnostic process so the American College of Radiography (ACR) recommends the use of radiographic tools such as Computed Tomography Scan (CT-Scan) and X-ray as additional methods in diagnosing COVID-19. X-ray was then chosen as an additional method in diagnosing COVID-19 because the tool used is more flexible and is already widespread in various health clinics. In this study, the author uses a neural network approach, namely the Convolutional Neural Network (CNN) for the Deep Feature Extraction method and the Machine Learning approach for the classification method in making a model that can classify normal lungs, infected with COVID-19, and pneumonia based on X-ray image. The CNN architecture used in this study is ResNet-50 and the Classifier used is Support Vector Machine (SVM), Random forest, K-Nearest Neighbor (KNN), and Extreme Gradient Boosting (XGBoost). The datasets used in this study were the COVID-19 Image Data Collection by J. P. Cohen, the ChestX-Ray8 Dataset by the National Institute of Health, and the Chest X-ray Dataset by Mendeley Data. The model was then trained using the CNN method with the ResNet-50 architecture. Furthermore, the fully connected layer in the ResNet-50 architecture was replaced using the SVM, Random forest, KNN, and XGBoost classifiers. Based on the simulation results, the best accuracy is obtained by combination of ResNet-50 and SVM with 94.22%. The best recall was obtained by a combination of ResNet-50 and KNN with 94%. The best precision was obtained by ResNet-50 with 94.36%. The best running time was obtained by ResNet-50 with 0.0006 seconds."

"RINGKASAN Untuk mengetahui kegunaan foto toraks awal sebagai petunjuk prognosis kematian dini (30 hari) infark miokard akut (IMA) diteliti secara prospektif 80 foto toraks pada 80 pasien pasca infark miokard akut (IMA). Pasien terdiri dari 72 laki-laki dan 8 wanita, umur rata-rata 56,3 ±10,2 tahun.Foto toraks dibuat kurang dari 24 jam setelah sakit dada khas. Posisi pasien setengah duduk (450), eksposi film antero-posterior (AP). Variabel pada foto toraks yang dinilai adalah derajat Kongesti Vena Pulmonalis (KVP), Rasio Kardio Toraks (RKT) dan Ukuran Jantung Kiri (UJK).KVP dibedakan atas 4 derajat. Derajat 0 ; normal, tidak terdapat KVP (n =38). Derajat I ; redistribusi aliran darah paru (n = 16), Derajat II ; sembab paru intersisial (n = 13), Derajat III ; sembab paru alveolar terlokalisir (n = A), Derajat IV ; sembab paru alveolar difus (n = 5). Kematian dini secara bermakna (p < 0,05) lebih tinggi pada KVP derajat II ( 5 dari 13, 38,5%), derajat III (5 dari 8, 62,5% ) dan derajat IV {4 dari 5, 80,0% ) dibanding derajat I (2 dari 16, 12,5%).Resiko relatif kematian dini pada KVP derajat II, III dan IV lebih besar dibanding dengan KVP derajat I yaitu 3,1 : 5,0 : 6,4 kali. Tidak terdapat kematian dini pada derajat 0.Diantara variabel KVP, RKT dan UJK pada foto toraks, variabel KVP derajat II, III dan IV mempunyai nilai prediksi yang lebih bermakna terhadap kematian dini dibanding KVP derajat I, RKT dan UJK.Dari penelitian ini disimpulkan bahwa derajat KVP pada foto toraks awal dapat dipakai untuk menentukan tinggi rendahnya risiko relatif kematian dini pasca IMA sehingga mempunyai arti klinis dan prognosis penting terhadap usaha tindakan pengobatan selanjutnya. KVP derajat 0 dengan atau tanpa kardimegali mempunyai prognosis lebih baik terhadap kematian dini."

"Bantuan Operasional Sekolah (BOS) berperan sangat penting dalam penyelenggaraan pendidikan pada jenjang pendidikan dasar di masa pandemik Covid-19. Kebutuhan di masa pandemik yang belum diakomodir dalam peraturan sebelumnya memaksa Pemerintah untuk melakukan perubahan sehingga BOS dapat digunakan untuk memenuhi kebutuhan sekolah di masa pandemik. Namun perubahan pada komponen pendanaan BOS disingkapi berbeda dikarenakan Undang-Undang Pemerintahan Daerah. Dalam upaya menyusun penelitian ini, jenis penelitian adalah penelitian hukum normatif dengan menggunakan pendekatan perundang-undangan, pendekatan konseptual, pendekatan historis, dan pendekatan perbandingan. Pada akhirnya diketahui bahwa pendanaan BOS dari Kementerian Keuangan ada yang dilakukan secara sentralisasi oleh Kementerian Agama dan desentralisasi melalui Kementerian Pendidikan dan Kebudayaan dengan melibatkan Kementerian Dalam Negeri. Dalam sistem desentralisasi dimana Pemerintah Daerah bukanlah organ dari Kementerian Pendidikan dan Kebudayaan, terjadi permasalahan diantaranya keraguan melaksanakan BOS yang disesuaikan dengan kebutuhan di masa pandemik, sehingga pelaksanaan BOS di masa pandemik Covid-19 di tingkat daerah sempat terkendala. Selain itu perubahan penganggaran akibat perubahan BOS yang disesuaikan dengan kebutuhan di masa pandemik juga mengakibatkan perubahan pada anggaran daerah yang telah ditetapkan di tahun sebelumnya. Agar dapat melaksanakan BOS yang telah disesuaikan dengan kebutuhan di masa pandemik Covid-19 maka pemerintah daerah berinisiatif dengan tindakan diskresi dan melakukan perubahan anggaran pendapatan dan belanja daerah (APBD).

---

School Operational Assistance (BOS) has a very important role in the implementation of education, notably during the Covid-19 pandemic. The needs during the pandemic that had not been accommodated in the previous regulations, forced the Government to amendments so could also be used to meet the needs of schools during the pandemic. However, amendments are interpreted differently due to the Regional Government’s constitution. Therefore, to compile this research, used normative legal research using statutory, conceptual, historical, and comparative approach. BOS funding from the Ministry of Finance was carried out centrally by the Ministry of Religious Affairs and decentralized through the Ministry of Education and Culture with the involvement of the Ministry of Home Affairs. In a decentralized system where the Regional Government is not an organ of the Ministry of Education and Culture, there are issues including doubts about implementing BOS which has been adjusted to the needs during the pandemic, so the implementation of BOS during the Covid-19 pandemic at the regional level was hampered. In addition, changes in budgeting due to changes in BOS also resulted in changes to the regional budgets that have actually been set in the previous year. In order to implement BOS that has been adapted to the needs of Covid-19 pandemic, the regional government has taken the initiative to take discretionary actions and make changes to the regional revenue and expenditure budget (APBD)."

"SARS-COV-2 merupakan jenis virus yang menyebabkan pandemi COVID-19. Pandemi COVID-19 pertama kali terdeteksi di Wuhan, Cina. Berdasarkan data World Health Organization (WHO), jumlah orang yang telah terpapar COVID-19 adalah 123.216.178 orang dan 2.714.517 orang meninggal akibat COVID-19 berdasarkan data www.who.int pada tanggal 23 Maret 2021. Pada skripsi ini, dilakukan klasifikasi untuk SARS-COV-2 dengan menggunakan sekuens protein dari SARS-COV-2. Sekuens protein SARS-COV- 2 di ekstraksi fitur dengan menggunakan package discere dari Python. Package discere akan menghasilkan 27 fitur, dimana fitur-fitur diseleksi dengan menggunakan metode LASSO (Least Absolute Shrinkage and Selection Operator). Setelah dilakukan seleksi fitur, dilakukan klasifikasi dengan menggunakan dua metode, yaitu metode Absolute Correlation Weighted Naïve Bayes dan metode Naïve Bayes. Rata-rata akurasi, sensitifitas, dan spesifisitas tertinggi untuk metode Absolute Correlation Weighted Naïve Bayes berturut-turut adalah 81,85%, 74,81%, dan 89,19%, sedangkan rata-rata akurasi, sensitifitas, dan spesifisitas tertinggi untuk metode Naïve Bayes berturut-turut adalah 81,44%, 74,58%, dan 88,24%. Terlihat bahwa metode Absolute Correlation Weighted Naïve Bayes mempunyai rata-rata akurasi, sensitifitas, dan spesifisitas yang lebih tinggi dibandingkan dengan metode Naïve Bayes.

---

SARS-COV-2 is the type of virus that causes the COVID-19 pandemic. The COVID-19 pandemic was first detected in Wuhan, China. Based on data from the World Health Organization (WHO), the number of people who have been exposed to COVID-19 is 123,216,178 people and 2,714,517 people died from COVID-19 based on data from www.who.int on March 23, 2021. In this paper, the SARS-COV-2 classification is done by using the protein sequence of SARS-COV-2. The SARS-COV-2 protein sequence will be feature extraction using the discere package from Python. The discere package will produce 27 features, where the features are selected using the LASSO (Least Absolute Shrinkage and Selection Operator) method. After feature selection, classification is carried out using two methods, namely the Absolute Correlation Weighted Naïve Bayes method and the Naïve Bayes method. The highest average accuracy, sensitivity, and specificity for the Absolute Correlation Weighted Naïve Bayes method are 81.85%, 74.81%, and 89.19%, respectively, whereas the highest average accuracy, sensitivity, and specificity for the Naïve Bayes method are 81.44%, 74.58%, and 88.24%, respectively. It can be seen that the Absolute Correlation Weighted Naïve Bayes method has a higher average accuracy, sensitivity, and specificity than the Naïve Bayes method."

"Provinsi Jambi adalah salah satu provinsi dengan pencatatan kasus terinfeksi Coronavirus Disease 2019 (COVID-19) terendah di Indonesia. Namun, pernyataan tersebut belum valid untuk mengatakan rendahnya kasus ini merupakan hasil dari usaha pemerintah untuk mengedukasi pemberlakuan protokol kesehatan. Hal ini disebabkan test and tracing yang belum mencapai standar dari World Health Organization (WHO). Oleh karena itu peneliti tertarik untuk meneliti mengenai tingkat pengetahuan, sikap, dan perilaku masyarakat terhadap COVID-19. Studi ini merupakan studi observasional dengan desain potong lintang. Penelitian dilakukan dengan menyebarkan kuesioner tervalidasi secara daring kepada Penduduk Provinsi Jambi. Hasil kuesioner direkapitulasi dan dianalisis dengan analisis univariat dan bivariat untuk melihat hubungan antara pengetahuan terhadap sikap dan perilaku terhadap COVID-19 di Provinsi Jambi. Dari 398 responden, didapatkan skor rata-rata untuk pengetahuan adalah 9,98 dari maksimal 12 (SD = 1,54, Range = 0-12), skor rata-rata sikap adalah 6.46 dari maksimal 8 (SD = 1,40, Range = 0-8), dan skor rata-rata perilaku adalah 6,54 dari maksimal 8 (SD = 1,56, Range = 0-8). Secara umum lebih dari separuh responden yang mencatatkan nilai diatas rata-rata untuk masing-masing pengetahuan (70%), sikap (55%), dan perilaku (59%). Terdapat hubungan yang signifikan secara statistik (p<0,05) antara tingkat pengetahuan, sikap, dan perilaku. Dari hasil penelitian ini, menunjukkan bahwa tingkat pengetahuan, sikap, dan perilaku di Provinsi Jambi cukup baik dan saling mendukung satu sama lain. Pemerintah Provinsi Jambi perlu meningkatkan kemampuan test & tracing sembari menggencarkan edukasi terkait COVID-19 hingga tingkat komunitas terkeci.

---

Jambi Province is one of the provinces with the lowest recorded Coronavirus Disease 2019 (COVID-19) cases in Indonesia. However, we cannot say that the low cases are because of the government's efforts to implement the health protocols due to test & tracing rates having not met the World Health Organization standards. Therefore, researchers are interested in researching the level of knowledge, attitudes, and behavior towards COVID-19.

This study uses an observational cross-sectional design. We researched by distributing validated questionnaires online to the residents of Jambi Province. The questionnaire results were analyzed using univariate and bivariate analysis to see the relationship between knowledge and attitudes and behavior towards COVID-19 in Jambi Province. From 398 respondents, the average score for knowledge, attitude, and practice respectively was 9.98 out of a maximum of 12 (SD = 1.54, Range = 0-12), 6.46 out of a maximum of 8 (SD = 1.40, Range = 1.40), and 6.54 out of a maximum of 8 (SD = 1.56, Range = 0-8).

In general, more than half of the respondents scored above the average for each knowledge (70%), attitude (55%), and behavior (59%). There is a statistically significant relationship (p<0.05) between the level of knowledge, attitudes, and behavior. The results of this study show that the level of knowledge, attitudes, and behavior in Jambi Province is good and supports each other. The Jambi Provincial Government needs to improve test & tracing capabilities while intensifying education related to COVID-19 to the smallest community level."