Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Warna berpengaruh pada fisiologis seseorang termasuk pada fungsi memori. Hipertensi berpengaruh pada penurunan memori. Terapi yang sudah digunakan untuk mencegah penurunan memori adalah dengan konsumsi suplemen seperti gingko biloba dan juga kontrol ketat terhadap tekanan darah dengan obat-obatan tetapi potensi warna belum terlihat. Tujuan penelitian ini adalah mengidentikasi pengaruh paparan warna (merah, biru dan hijau) pada retensi short term memory pasien hipertensi. Penelitian ini merupakan penelitian kuantitatif dengan design penelitian ini adalah Quasi Experimental Design dan jenis rancangan Posttest Only Non Equivalent Control Group Design dan jumlah sampel 68 penderita hipertensi sesuai kriteria inklusi. Hasil penelitian ini menunjukkan ada pengaruh warna hijau terhadap retensi short term memory dengan nilai p 0,001 dan meningkatkan retensi sebesar 18,4 % dan hasil tidak bermakna pada warna merah dan biru dengan masing-masing p 0,243 dan 0,841 dengan hanya meningkatkan retensi short term memory masingmasing sebesar 2,3% dan 0,1%. Untuk itu disarankan kepada Dinas Kesehatan dan rumah sakit penggunaan warna hijau untuk pengecatan ruangan terutama ruangan hipertensi dan pada perawat untuk menggunakan warna dominan hijau pada media penyuluhan dan pendidikan kesehatan.

---

ABSTRACT
Colors affect on individual physiological status include memory function. In addition, hypertension affect on memory reduction. Common treatment to prevent decreasing memory are supplement consumption such as Gingko Biloba and intensive control to blood pressure using medication. On the other hand, color that may affect memory function have not been used widely. The purpose of the study was to identify the effect of color exposure (red, blue and green) on short-term memory retention in patients with hypertension. This study was a quantitative study with a quasi experimental design and employed a Posttest Only Non Equivalent Control Group approach. The number of 68 samples with hypertension who fulfilled the inclusive criteria participated in the study. The findings demonstrated that there is a significant effect of green color on short-term memory (p 0,001, alpha 0.05) and improve retention 18,4 %. Conversely, there is no significant effect on red and blue colors (p 0,243 and 0,841 respectively) and improve short-term memory retention only 2,3% dan 0,1% for red and blue colors (respectively). Based on the findings, a recommendation is forwarded to local health office and hospital to use green color on wall of the wards especially for wards where patients with hypertension are cared. Also, it is suggested to nurses who look after the patients to develop health teaching media using green color.

Abstrak :
PM2.5 merupakan salah satu penyebab tingginya angka polusi di Jakarta. Skripsi ini akan membahas penerapan Recurrent Neural Network jenis Long Short-Term Memory (RNN-LSTM) dan Autoregressive Integrated Moving Average (ARIMA), dua metode yang dapat digunakan untuk melakukan prediksi pada dataset jenis time series, sebagai algoritma untuk melakukan prediksi pada kandungan polutan PM2.5 di Jakarta. Terdapat dua jenis preprocessing yang diujicoba pada pengujian ini, yaitu dengan imputation menggunakan mean dan linear interpolation. Saat pembuatan model pada ARIMA, dilakukan pengaturan order untuk mencari model terbaik yang dapat melakukan prediksi dengan akurasi tertinggi. Sementara untuk RNN-LSTM, pencarian model terbaik dilakukan dengan melakukan serangkaian ujicoba dengan perubahan pada beberapa parameter seperti ukuran dari rolling window, batch size, dan optimizer. Berdasarkan hasil akurasi, didapatkan model dengan ARIMA order (2,0,1) sebagai model paling baik ketika dilakukan ujicoba dengan imputation jenis mean dengan RMSE sebesar 17,84. Lebih baik dari hasil yang didapatkan RNN-LSTM pada metode imputation tersebut yang hanya mendapat RMSE 18,00. Namun RNN-LSTM memiliki hasil akurasi yang lebih baik ketika dilakukan ujicoba dengan metode imputation dengan linear interpolation dimana RMSE yang didapatkan sebesar 17,47. Lebih baik dari ARIMA yang hanya mendapat RMSE sebesar 17,66. ......PM2.5 is one of the causes of Jakarta’s high pollution level. This thesis will discuss the implementation of Recurrent Neural Network type Long Short-Term Memory (RNN-LSTM) and Autoregressive Integrated Moving Average (ARIMA), two algorithm that are able to predict a time series dataset, as two algorithms used to do a forecasting in PM2.5 pollutant level in Jakarta. There are two preprocessing used in this test, mean imputation and linear interpolation. In ARIMA, tweaking to find model with best accuracy was done by altering its order. While in RNN-LSTM, the search for the best model was done by tweaking several parameters such as the size of its rolling window, batch size, and optimizer. Based on its accuracy, an ARIMA model with order of (2,0,1) was found as the best model during the test with mean imputation with RMSE of 17,84 compared to RNN-LSTM’s 18,00. But RNNLSTM has better accuracy when tested with linear interpolation, where it got RMSE of 17,47. Where ARIMA only has RMSE of 17,66.