Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKDalam beberapa tahun terakhir, new psychoacytive substances NPS telah berkembang cepat dalam pasaran sebagai alternatif legal obat yang diatur oleh dunia internasional dengan potensi resiko kesehatan serius. Pada tahun 2016, sebanyak 21 senyawa diantara 56 jenis NPS yang beredar di Indonesia telah teridentifikasi merupakan turunan kanabinoid. Namun, hanya 43 dari 56 NPS yang sudah diatur dalam Peraturan Menteri Kesehatan Nomor 2 tahun 2017. Kemudian diperkirakan NPS akan terus bertambah. Penelitian ini bertujuan untuk memperoleh metode yang paling baik untuk mengklasifikasi senyawa baru golongan kanabinoid dengan menggunakan deep learning untuk meningkatkan performa analisis in silico. Penelitian ini membandingkan metode deep learning dan pemodelan farmakofor. fingerprint dua dimensi dan deskriptor sifat fisikokimia digunakan sebagai bahan pembelajaran metode deep learning. Kedua model yang dihasilkan oleh dua metode akan digunakan untuk mengklasifikasikan golongan senyawa kanabinoid baru. Didapatkan deep learning menggunakan fingerprint dua dimensi sebagai metode terbaik. Metode ini memberikan hasil akurasi dan Kohen Kappa dengan nilai 0,9904 dan 0,9876 secara berurutan. Namun, metode deep learning menggunakan deskriptor dan pemodelan farmakofor memberikan nilai akurasi 0.8958 dan 0,68 dan Kohen Kappa 0,8622 dan 0,396 . Dapat disimpulkan dari nilai akurasi dan Kohen Kappa bahwa metode deep learning fingerprint memiliki potensi untuk digunakan sebagai instrumen untuk mengklasifikasi NPS.

---

ABSTRACTIn recent years, new psychoactive substances NPS have rapidly emerged in market purportedly as legal alternatives to internationally controlled drugs, with potential to pose serious health risks. In 2016, from 56 substances which were found in Indonesia, 21 among them were found as cannabinoid derivates. However, there only 43 out of 56 NPS which have been regulated by Ministry of Health Republic of Indonesia, yet NPS expected to increase. The purpose of this study was to gain the best method to classify new cannabinoid class substances using deep learning to enhance performance of in silico analysis. This study will compared deep learning and pharmacophore modeling methods. Two dimentional fingerprint and physicochemical properties descriptor will be used as learning parameters for deep learning method. The two models produced by two methods will be used to classify new cannabinoid substances class. Deep learning with two dimentional fingerprint was found as the best method. This method shows the highest accuracy and Cohen Kappa scores, with values of 0.9904 and 0.9876 consecutively. However, deep learning method with descriptor and pharmacophore modeling method gave accuracy 0.8958 and 0.68 and Cohen Kappa 0.8622 and 0.396 . These results conclude that deep learning method with two dimentional fingerprint gives an alternative method to be used as an instrument for NPS classification. "

"Peredaran narkotika ilegal mulai masuk ke media sosial dengan jenis-jenis yang semakin beragam. Ganja sintetis merupakan jenis narkotika baru yang salah satu kasusnya ada di daerah Bogor dan semakin sering dijadikan alternatif penggunaan narkotika ilegal. Penggunaan simbol yang masih terutama pada Instagram sangat membantu perdagangan narkotika ilegal. Penelitian ini berusaha untuk menjelaskan peran simbol dalam perdagangan narkotika di media sosial. Menggunakan Interaksionisme simbolik dengan Self-Conceptnya dan Social Learning Theory sebagai penunjang, metode yang digunakan adalah penelitian kualitatif dengan wawancara semi-terstruktur kepada tiga informan, dan observasi terhadap akun-akun penjual narkotika ilegal. Interaksionisme Simbolik, Social Learning Theory, dan Self-Concept digunakan untuk melihat bagaimana simbol menjadi cara komunikasi penting bagi penjual dan pembeli dalam perdagangan narkotika ilegal. Analisis yang dilakukan menemukan bahwa ada peran-peran dari simbol untuk mengidentifikasi pembeli dan penjual, Social Learning Theory yang melihat adanya pembelajaran terhadap simbol melalui teman atau broker, serta self-concept melalui simbol-simbol tersebut mempermudah pembeli dan penjual untuk mengetahui makna asli dan bisa sepaham akan posisi mereka dalam perdagangan. Simbol memiliki peran dalam proses perdagangan bila dapat dipelajari dan diidentifikasi serta dapat dipahami sebagai alat komunikasi bagi penjual dan pembeli narkotika ilegal.

---

The circulation of illegal narcotics has begun to infiltrate social media with increasingly diverse types. Synthetic cannabinoids is a new type of narcotic, with one case reported in the Bogor area, and is becoming a more frequent alternative for illegal drug users. The use of symbols, especially on Instagram, significantly aids in the trade of illegal narcotics. This study aims to explain the role of symbols in the trade of illegal narcotics on social media. Using Symbolic Interactionism with its Self-Concept and Social Learning Theory as supporting frameworks, the method employed is qualitative research involving semi-structured interviews with three informants, and observation of illegal drug seller accounts. Symbolic Interactionism, Social Learning Theory, and Self-Concept is used to explore how symbol become an important way of communicating. The analysis finds that symbols play roles in identifying buyers and sellers, Social Learning Theory reveals learning about symbols through peers or brokers, and self-concept through these symbols aids buyers and sellers in understanding the original meanings and reaching mutual agreement on their positions in the trade. Symbols play a crucial role in the trading process when they can be learned, identified, and understood as communication tools for illegal drug sellers and buyers."