Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pemeriksaan kehamilan/ANC dapat mencegah kematian ibu akibat perdarahan dan persalinan (GOI dan UNICEF). Perawatan antenatal sangat penting dalam menurunkan angka kematian dan kesakitan ibu maupun perinatal. Tujuan dari penelitian ini untuk mengidentifikasi faktor-faktor yang mempengaruhi motivasi ibu hamil tidak melakukan antenatal care secara rutin selama kehamilan dan untuk mengindentifikasi seberapa besar hubungan antara Faktor-faktor tersebut dengan motivasi ibu hamil. Penelitian ini menggunakan desain deskriptif korelatif, sampel dalam penelitian sebanyak 30 orang ditambah 15 orang untuk mengantisipasi kegagalan sehingga jumlah sampel sebanyak 45 orang Cara mengumpulkan dana menggunakan kuisioner yang diberikan kepada resonden untuk diisi, pertanyaan menyangkut ANC pada ibu hamil setelah terkumpul kuisioner tersebut maka pcneliti pengolah dengan cara menghubungkan variabel pengetahuan dengan motivasi, variabel pendidikan dengan motiasi dan variabel dukungan keluarga dengan motivasi. Korelasi variabel-variabel tersebut didapat adanya hubungan antara tingkat pendidikan dengan motivasi ibu hamil dalam pemeriksaan kehamilan/ANC, sedangkan pengetahuan dan dukungan motivasi tidak ada hubungan dengan motivasi Phu hamil daiam pemeriksaan kehamilan di RSIA Citra lnsani Parung Bogor. Kesimpulan adalah 75,6 % bermotivasi baik, 17,8 % bermotivasi sedang, dan 6,7 % bermotivasi buruk dengan tinggkat pendidikan Perguruan Tinggi 22,2 %, Sekolah Menenggah Alas 44 %. 71,1 % ibu hamil yang melakukan kunjungan ANC berusia produktiff. Peneliti menyarankan perlu adanya peningkatan promosi ANC dan konseling yang melibatkan keluarga ibu hamil."

"Sebagai bagian dari kebun raya dunia, Kebun Raya Indonesia (KRI) memiliki tanggung jawab untuk melaksanakan upaya konservasi tumbuhan dan penelitian di Indonesia. Pada kenyataannya, empat kebun raya yang dikelola oleh LIPI baru mampu mengkonservasi sekitar 21,5% dari seluruh tumbuhan terancam kepunahan Indonesia. Oleh karena itu, diperlukan pengembangan Kebun Raya Daerah (KRD) untuk mengkonservasi tumbuhan pada tiap daerah di Indonesia. Makalah ini bertujuan untuk mengetahui capaian KRD dalam konservasi tumbuhan dan menentukan strategi pengelolaan koleksi tumbuhan pada tiap KRD, terutama dalam mendukung pencapaian Target 8 GSPC. Pada akhir 2012, KRI bersama KRD telah berhasil mengoleksi 24% dari tumbuhan terancam kepunahan Indonesia dan telah berhasil melakukan perbanyakan 25% dari tumbuhan terancam kepunahan itu (termasuk koleksi di pembibitan). Beberapa strategi untuk D. W. Purnomo et al. Pengembangan Koleksi Tumbuhan Kebun Raya Daerah 112 pengembangan koleksi KRD antara lain: penguatan sistem data base koleksi; pengembangan koleksi tumbuhan di setiap KRD dengan mengacu pada IUCN Red List dan jenis unggulan lokal; dan penentuan spesies prioritas untuk konservasi.

---

ABSTRAKAs a member of the International Association of Botanic Gardens (IABG), Indonesian Botanic Gardens (IBG) has responsibilites to conduct plant conservation efforts and research in Indonesia. In fact, four botanic gardens managed by the Indonesian Institute of Sciences were only able to conserve approximately 21.5% of the Indonesian threatened plants. Therefore, it has been important to develop local/regional botanic gardens (L/RBG) throughout Indonesia in order to conserve the plant diversity. This paper aims to review and highlight the L/RBG achievements in plants conservation and to establish management strategy of plants collection in each region, especially in achieving the Target 8 of the GSPC. At the end of 2012, IBG and L/ RBG has collected and managed 24% of the Indonesian threatened plants and succesfully cultivated 25% of the Indonesian threatened plants (including in the nursery collections). Some strategies developed for the L/RBG plants collection development include: strengthening collection management and data base; developing and enriching plants collection in each L/RBG with reference to the IUCN Red List and local flagship species; and setting the priority species for conservation policy and actions. "

"Sambungan las pada material perlu diuji dengan metode Non-Destructive Testing untuk memastikan spesifikasi desain dan fungsi material terpenuhi serta menjamin keamanan dan keandalan, karena cacat pada sambungan las dapat terjadi selama proses pengelasan. Deteksi cacat las merupakan bagian dari evaluasi citra radiografi yang dilakukan oleh ahli radiografi. Evaluasi citra radiografi dengan metode konvensional memiliki beberapa kekurangan, di antaranya proses pengolahan citra secara konvensional kompleks dan lama, hasil interpretasi yang terlalu subjektif, kurang konsisten terutama pada jumlah citra yang banyak, dan bias pada cacat yang serupa. Kekurangan ini dapat dikompensasi melalui otomatisasi evaluasi menggunakan algoritma deep learning dan computer vision berbasis YOLO. Penelitian ini membangun model deteksi dan segmentasi cacat las menggunakan arsitektur YOLOv8. Dataset yang digunakan adalah citra radiografi dengan bentuk penampang las horizontal dari database GDXRay dan citra radiografi elips (DWDV) dari hasil akuisisi dengan metode computed radiography. Penerapan teknik augmentasi citra geometri dan mosaik diterapkan untuk mengatasi keterbatasan dataset. Keluaran yang dihasilkan dari penelitian ini adalah model yang dibangun dapat melakukan deteksi dan segmentasi sebanyak 10 jenis cacat las, yaitu crack, cavity, excessive penetration, incomplete penetration, lack of fusion, porosity, slag inclusion, tungsten inclusion, undercut, dan worm-hole dengan nilai mAP untuk model yang dibangun dengan teknik augmentasi geometri adalah mAP50 = 0.798 dan mAP50-95 = 0.603 untuk bounding box, serta mAP50 = 0.790 dan mAP50-95 = 0.530 untuk mask. Sementara nilai mAP pada model yang dibangun dengan teknik augmentasi mosaik adalah mAP50 = 0.907 dan mAP50-95 = 0.743 untuk bounding box, serta mAP50 = 0.896 dan mAP50-95 = 0.648 untuk mask. Model deteksi dan segmentasi yang telah dibangun diharapkan dapat membantu operator dan ahli radiografi, serta calon operator dan ahli radiografi dalam mengevaluasi cacat las dengan lebih efisien dan akurat.

---

..Non-Destructive Testing needs to be performed on welded joints in materials to ensure that design specifications and material functions are fulfilled, as well as safety and reliability, due to defects in welded joints that may occur during the welding process. The evaluation of radiographic images includes the detection of weld defects by radiographers. Conventional radiographic image evaluation is more complex and time-consuming, subjective, inconsistent, especially in large numbers of images, and occasionally biased with respect to defects with similar features. This limitation can be compensated for by using YOLO-based deep learning and computer vision algorithms for evaluation automation. Using the YOLOv8 architecture, this study develops a detection and segmentation model for weld defects. A radiographic image with a horizontal weld region from the GDXRay database and an elliptical radiographic image (DWDV) from the acquisition using the computed radiography method represent the dataset. In order to overcome the limitations of the dataset, the geometric and mosaic image augmentation techniques were utilized. The mAP values for models built using the geometric augmentation are mAP50 = 0.798 and mAP50-95 = 0.603 for bounding boxes, and mAP50 = 0.790 and mAP50-95 = 0.530 for masks. Meanwhile, the mAP values for the model built using the mosaic augmentation are mAP50 = 0.907 and mAP50-95 = 0.743 for bounding boxes, and mAP50 = 0.896 and mAP50-95 = 0.648 for masks. The proposed model is able to detect and segment up to ten classes of weld defects, including cracks, cavities, excessive penetration, incomplete penetration, lack of fusion, porosity, slag inclusion, tungsten inclusion, undercut, and worm-hole. It is expected that the proposed detection and segmentation model will aid radiographers in evaluating weld defects more precisely and efficiently."

"ABSTRAK Latar belakang Prevalen metastasis kelenjar getah bening KGB pada karsinoma tiroid papiler KTP dan angka rekurensi regional yang berkaitan dengannya cukup tinggi Masih terdapat pro dan kontra terhadap diseksi kompartemen sentral yang dipandang dapat mengatasi masalah tersebut Oleh sebab itu diperlukan seleksi pasien yang akan mendapatkan diseksi kompartemen sentral Pengetahuan mengenai faktor prediktor metastasis kompartemen sentral dipandang dapat membantu seleksi pasien tersebut Penelitian ini bertujuan mengetahui faktor faktor prediktor klinikopatologis metastasis KGB kompartemen sentral pada pasien KTP cN0 di RSUPN dr Cipto Mangunkusumo RSCM Metode penelitian Studi retrospektif dilakukan pada 62 pasien KTP cN0 yang menjalani diseksi kompartemen sentral dalam kurun waktu Januari 2014 sampai Juli 2015 Pengambilan sampel dilakukan secara konsekutif Dilakukan analisis statistik menggunakan SPSS 20 0 untuk mencari hubungan antara faktor usia jenis kelamin ukuran tumor ekstensi ekstra tiroid metastasis jauh completeness of resection varian histopatologi dan invasi limfovaskular dengan metastasis KGB kompartemen sentral Kami menggunakan uji Chi square atau Fisher serta uji stratifikasi Signifikansi bila nilai p ABSTRACT Background Prevalence of lymph node metastases to central neck compartment in papillary thyroid carcinoma PTC and it rsquo s corelation with regional metastatic are high There are pros and cons on central neck dissection which is assumed can solve the problem Selection in which patient will undergo central neck dissection is necessary Predictive factors are useful for such selection This study aim is to identify the clinicipathologic predictive factors for metastases in central compartment in Cipto Mangunkusumo Hospital Method Data of 62 cN0 PTC patients who underwent central neck dissection were colected retrospectively and consecutively from medical record in Cipto Mangunkusumo Hospital The relationships between clinicopathology factors such as age gender tumor size extra thyroid extention distant metastasis completeness of resection histopathology variant lymphovascular invasion and central compartment metastases were analyzed using SPSS 20 0 Chi square Fischer exact and stratification test were used in our analsis Statistical significance was stated when p value "