Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sistem klasifikasi citra lidah telah banyak digunakan dalam kepentingan medis dan diagnosis kesehatan. Penelitian ini berfokus pada peningkatan peforma akurasi klasifikasi pada sistem prediksi perokok berdasarkan analisis letak persebaran Smoker Melanosis pada citra lidah. Teknik diagonis lidah yang dibangun adalah metode yang non-invasif serta berbasis pencitraan hiperspektral (HSI). Berbagai pendekatan dan arsitektur Deep Learning  telah diusulkan untuk mengatasi analisis data HSI dan telah mencapai akurasi klasifikasi yang relatif tinggi. Pada penelitian ini, arisitektur Convolutional Neural Network (CNN) dipakai dalam konfigurasi spektral-spasial yang terutama digunakan dengan tujuan ekstraksi fitur dan klasifikasi. Peneliti membuat beberapa arsitektur CNN untuk melakukan beberapa pengujian. Peneliti mengklasifikasikannya sebagai Single CNN dan Hybrid CNN. Pada algoritma Single CNN ada 2 arsitektur yang dibuat  yaitu CNN-Autoencoder dan CNN-Alexnet. Pada algoritma Hybrid CNN ada 2 arsitektur yang dibuat yaitu Proposed Hybrid CNN dengan satu cabang dan Hybrid CNN Resnet18 dengan 8 cabang. Peneliti menguji dampak kernel pada setiap subjek segmentasi yang berbeda dan terlihat bahwa akurasi klasifikasi tertinggi setiap subjek bervariasi terhadap ukuran kernel. Oleh karena itu, model Hybrid-CNN ini diusulkan untuk dapat membuat arsitektur hibrida dan skala konvolusi hibrida. Pada model Proposed Hybrid CNN yang diusulkan, akurasi pada subjek Lateral A bisa mencapai 90,6%, Lateral B mencapai 86,5%, dan Persepsi Dokter mencapai 99,2%. Pada model Hybrid CNN-Resnet18 yang diusulkan, Lateral A bisa mencapai 89,4%, Lateral B mencaapai 84,6%, dan Persepsi Dokter mencapai 97,4%. Secara umum hasil akurasi model yang diusulkan berhasil mencapai peforma yang lebih baik.

---

The tongue image classification system has been widely used in medical interests and health diagnosis. This research emphasizes on improving the performance of classification accuracy in the Smoker prediction system based on the location analysis of the SmokerMelanosis distribution on the tongue image. The tongue diagonalization technique developed is a non-invasive method based on hyperspectral imaging (HSI). Various considerations and architecture In-depth learning have been proposed to overcome the analysis of HSI data and has obtained relatively high classification completion. In this study, the Convolutional Neural Network (CNN) architecture is used in the spectral-spatial configuration used for feature extraction and classification. CNN to do some testing. Researchers classified it as Single CNN and Hybrid CNN. In the Single CNN algorithm, there are 2 architectures created, namely CNN-Autoencoder and CNNAlexnet. In the Hybrid CNN algorithm, there are 2 architectures created, namely Proposed Hybrid CNN with one branch and Hybrid CNN Resnet18 with 8 branches. Learn more about the kernel in each different subject segmentation and look at the kernel classification. Therefore, the Hybrid-CNN model is proposed to be able to make hybrid architecture and hybrid convolution scale. In the approved Proposed Hybrid CNN model, approved on the subject of Lateral A can reach 90,60%, Lateral B reaches 86,5%, and Doctor Perception reaches 99,2%. In the CNN-Resnet18 Hybrid model obtained, Lateral A can reach 89,4%, Lateral B reaches 84,6%, and Doctor Perception reaches 97,4%. In general, the results of the completion of the approved model have achieved better performance. "

"Kanker merupakan salah satu penyakit tidak menular (PTM) yang prevalensinya meningkat dari tahun ke tahun, pemeriksaan payudara klinis (SADANIS) merupakan program nasional yang diselenggarakan pemerintah sebagai salah satu upaya penanggulangan kanker payudara. Namun sampai tahun 2017 cakupan SADANIS hanya 5,91% hasil tersebut belum mencapai target minimal program. Tenaga kesehatan selain mempunyai tugas melakukan pemeriksaan SADANIS, juga berperan melakukan penyebaran informasi terkait kaker payudara secara luas. Tujuan dari penelitian ini untuk mengetahui hubungan sumber informasi dari tenaga kesehatan dengan perilaku deteksi dini kanker payduara menggunakan metode pemeriksaan payudara klinis di daerah perkotaan Indonesia bedasarkan analisis data riset penyakit tidak menular tahun 2016. Desain yang digunakan dalam penelitian ini adalah cross sectional dengan sampel penelitian sebesar 12.336, sample diambil berdasarkan total samping data yang masuk dalam kriteria inklusi dan eklusi penelitian. Hasil penelitian ini menujukan bahwa prevalensi perilaku pemeriksaan payudara klinis pada perempuan usia 25-64 tahun yang memiliki pengetahuan baik terkait kanker payudara di daerah perkotaan Indonesia bedasarkan data riset PTM tahun 2016 sebesar 7,4% (916). Hasil multivariat hubungan sumber informasi dari tenaga kesehatan dengan perilaku deteksi dini kanker payudara memiliki P-value <0,000, Odds Ratio adjusted 2,02 (95% CI 1,757-2,337) ini berarti ada hubungan antara sumber informasi dari tenaga kesehatan dengan perilaku deteksi dini kanker payudara menggunakan metode pemeriksaan payudara klinis pada perempuan yang memiliki pengetahuan baik tentang payudara di daerah perkotaan Indoneisa. Perempuan yang memiliki pengetahuan baik tentang kanker payudara yang bersumber dari tenaga kesehatan memiliki peluang 2,02 kali lebih besar melakukan pemeriksaan payudara klinis dibandingkan dengan yang tidak mendapatkan informasi dari tenaga kesehatan.

---

Cancer is one of the non-communicable diseases whose the prevalence is increasing year by year. Clinical breast examination (CBE) is a national program organized by the government as one of the efforts to overcome breast cancer. But until 2017 prevalence of CBE is only 5.91%, this results have not reached the program's minimum target. Besides having the task of doing CBE examinations, health workers also have the role of sharing information regarding breast cancer extensively.

This study aims to know the association between source of information from health workers with early detection of breast cancer used clinical breast examination in Indonesian urban areas based data analysis of non-communicable diseases research in 2016. Design of this research used cross sectional study, sample which suitable from inclusion and exclusion criteria was 12.336 respondents.

The results showed the prevalent of clinical breast examination in women aged 25-64 years with good knowledge about breast cancer was 7,4% (916). Multivariate analysis using logistic regression showed that there was a significant relationship between source of information from health workers with early detection of breast cancer used clinical breast examination in Indonesian urban areas, with p-value < 0,000 and Odds Ratio adjusted was 2,02 (CI 95% 1,757-2,337).

The conclusion was there was the significant relationship between source of information from health workers with early detection of breast cancer used clinical breast examination. Women who have knowledge of breast cancer from health workers had 2.02 more chance of doing clinical breast examinations than those who do not get information from health workers."