Hasil Pencarian  ::  Simpan CSV :: Kembali

"Latar belakang : Prevalensi penyakit dengan gejala kejang di Indonesia cukup tinggi. Sejalan dengan Iangkah strategis Universitas Indonesia untuk meneliti tanaman herbal yang bermanfaat, maka peneiitian ini ingin menyelidiki kemungkinan pemanfaatan piperine (ekstrak dari lada jawa) sebagai obat anti kejang. Tujuan : Mengetahui efek protektif piperin terhadap peningkatan kegiatan listrik otak tikus kejang akibat induksi oleh bicuculline dilihat dari iiekuensi dan amplitudo pada rekaman elektroensefalograii, dibandingkan kontrol. Metode : Penelitian ini merupakan penelitian eksperimental in-vivo, dilakukan pada empat kelompok tikus, masing-masing kelompok terdiri dari 6 tikus. Seluruh tikus beljumlah 24 ekor, diberi induktor kejang bicuculline. Sam kelompok kontrol tanpa diberi piperin dan tiga kelompok uji diberikan piperin dengan dosis yang berbeda. Hewan uji yang digunakan adalah tikus Sprague Dawley jantan. Kelompok uji dibagi menjadi tiga yaitu kelompok dosis piperin 100 mg/kgBB, 200 mg/kgBB, dan 400 mg/kgBB. Perubahan amplitudo dan frekuensi EEG direkam pada menit ke-0, menit ke-30, menit ke-40, menit ke-50, dan menit ke-60 setelah pemberian piperin. Hasil penelitian : Pemberian piperin dosis 100 mg/kgBB, dosis 200mg/kgBB dan dosis 400 mg/kgBB menurunkan ampliludo dan meningkatkan frekuensi serta menghilangkan spike pada rekaman EEG. Piperin dosis 100 mg/kgBB setelah 50 menit pemberian peroral secara bermakna meningkatkan frekuensi dan menurunkan ampliludo. Kesimpulan : Piperin mempunyai efek pencegahan peningkatan kegiatan Iislrik otak dengan bukti meningkatkan frekuensi dan menunmkan amplitudo EEG. Pemberian piperin dosis 100 mg/kgBB lebih efektif dibandingkan dosis 200 mg/kgBB dan 400 mg/kgBB. ......Background: The prevalence of disease with seizure symptom has found in Indonesia high enough. In line with strategic plan of University of Indonesia to encourage studies on ingenious herbs in Indonesia, the present study is directed to investigate the possible beneficial effect of pipperine (extract java pepper) in the treatment of seizure. Objective: This study was conducted to investigate the protective effect of pipperine against amplitude and frequency alterations of electroencephalogram (EEG) induced by bicuculline in the rat. Design of study: Twenty four male Sprague Dawley rats were used in the study, in which the rats were grouped into 4, each consisted of 6 animals. The control group was the rats which received oral CMC 1% (carboxy methyl cellulose), 30 minute prior to subcutaneously injected bicuculline of 2,7 mg/kgBW. The other 3 treated goups received oral piperine 100mg/kgBW, 200mg/kgBW and 400 mg/kgBW respectively, 30 minute prior to subcutaneously injected bicuculline of 2,7 mg/kgBW. The amplitude and frequency of EEG were recorded at zero time, 30?' minute, 40?? minute, 50? minute, and 60"? minute aiter the administration of pipperine. Result: Injected of bicuculline in the rats, caused no alterations of EEG pattern as compared with the EEG at zero point measurement. At 20 minute after bicuculline injection, there was an were dose of amplitude and reduce of frequency of EEG with spike wave. Piperine at various concentrations reduced the EEG abnormalities. Piperine of l00 mg/kgBW showed the best protective effects against EEG alteration. Conclution: Pipperine l00 mg/kgBW given before bicuculline reduced the amplitude and increased the iiequency of EEG to near normal condition."

"ABSTRAKPada penelitian ini dirancang sebuah sistem pendeteksi kantuk untuk mencegah terjadinya kelalaian pengendara yang dapat menyebabkan kecelakaan dalam bentuk aplikasi berbasis Android. Dengan menggunakan Elektoensefalogram (EEG), kondisi mengantuk pada seseorang dapat dideteksi dengan cara merekam aktivitas kelistrikan yang terjadi pada otak manusia dan direpresentasikan menjadi bentuk sinyal frekuensi. Kemudian sinyal tersebut akan dikirim ke aplikasi di smartphone Android melalui Bluetooth dan akan memberikan peringatan berupa notifikasi jika kondisi mengantuk sudah terdeteksi. Sinyal akan diproses menggunakan Fast Fourier Tranform (FFT) untuk mengekstraksi fitur pada sinyal otak dan diklasifikasi menggunakan ­K-Nearest Neighbor (KNN). Sistem tersebut diharapkan dapat meminimalisir penyebab terjadinya kecelakaan yang dikarenakan oleh pengemudi yang mengantuk. Hasil yang didapatkan dari perancangan sistem pendeteksi ini menunjukkan bahwa aplikasi sudah dapat menghasilkan performa terbaik dengan tingkat akurasi tertinggi yaitu 95.24% dengan menggunakan nilai K=3 dan dengan menggunakan 4 fitur gelombang otak (Delta, Theta, Alpha, dan Beta).

---

ABSTRACTIn this research, a drowsiness detection system is an Android application and it is designed to prevent drivers negligence that can cause accidents. By using Electroencephalogram (EEG), the condition of drowsiness can be detected by recording the electrical activity that occurs in human brain and represented as a frequency signal. Then the signal will be sent to the Android application on smartphone via Bluetooth and will give an alarm notification if the drowsiness is detected. The signal will be processed using Fast Fourier Transform (FFT) to extract features in human brain signals and be classified using K-Nearest Neighbor (KNN). The system is expected to minimize the causes of accidents that caused by drowsy drivers. The results obtained from the development of this detection system indicate that the application can produce the best performance with the highest accuracy of 95.24% using the value of K = 3 and by using 4 brain wave features (Delta, Theta, Alpha, and Beta)."

"Prevalensi stroke di Indonesia berdasarkan diagnosis tenaga kesehatan sebesar 7? dan yang mempunyai riwayat gejala sebesar 12,1?. Pemeriksaan awal menggunakan CT Scan menimbulkan dampak radiasi serta membutuhkan biaya operasional yang tinggi, sedangkan prevalensi stroke berdasarkan diagnosis atau gejala lebih tinggi pada kuintil indeks kepemilikan terbawah (13,1?) dan menengah bawah (12,6?).Penelitian ini mencoba melakukan analisis sinyal EEG secara otomatis berdasarkan data EEG pasien normal dan pasien stroke iskemik akut dengan pemrosesan sinyal digital berupa transformasi Wavelet serta jaringan saraf tiruan jenis feedforward dengan algoritma Extreme Learning Machine (ELM). Jordan mengemukakan bahwa elektroensefalografi dapat membantu mengkonfirmasi atau mendeteksi adanya stroke iskemik akut yang ditunjukkan dengan adanya perlambatan gelombang serta adanya ketidaksimetrisan antara gelombang otak kanan dan kiri.Penelitian ini menggunakan nilai Delta/Alpha Ratio (DAR), (Delta+Theta)/(Alpha+Beta) Ratio (DTABR) dan Brain Symmetry Index (BSI) sebagai nilai fitur masukan ELM yang diperoleh dengan transformasi Wavelet (Daubechies 4) serta metode Welch untuk mengidentifikasi stroke iskemik akut. Hasil penelitian ini diperoleh nilai akurasi di atas 85% dengan nilai sensitivitas di atas 86%

---

The prevalences of stroke in Indonesia are 7? based on the health professionals? statement and 12.1? based on patients' symptoms' history. Early examination using CT scan causes radiation effects and spent high operational cost while the prevalence of stroke based on diagnosis or symptoms were higher in the lowest (13.1 ?) and mid lower (12.6 ?) quintile of ownership index.

This study tried to analyze the signals of EEG automatically based on training data sets from normal patients and patients with acute ischemic stroke (AIS) using digital signal processing such as Wavelet transform and feedforward type of neural network with Extreme Learning Machine (ELM) algorithm. It was claimed that electroencephalography could help to confirm or detect acute ischemic stroke which is shown by the presence of the slow wave and the asymmetrical wave of right and left hemisphere.

This study uses Delta Alpha Ratio (DAR), (Delta+Theta)/(Alpha+Beta) Ratio (DTABR) and Brain Symmetry Index (BSI)'s value as the ELM input feature score which were obtained by Wavelet (Daubechies 4) transformation and Welch's method to identify acute ischemic stroke. In this study, the average performances of system test accuracy were above 85% with 86% sensitivity."

"ABSTRAK

Untuk menunjang pemantauan konsentrasi manusia, perlu adanya pemahaman mengenai respon sinyal dari EEG terhadap dua kondisi manusia ya itu saat sedang konsentrasi penuh dan konsentrasi tidak penuh (adanya distraksi). Dalam mengolah data sinyal EEG tersebut, dibutuhkan metode algoritma dan klasifikasi sinyal untuk mendapatkan hasil data sinyal dari dua kondisi tersebut. Pada penelitian ini akan dijelaskan tentang sistem perancangan pendeteksian konsentrasi manusia berdasarkan sinyal EEG. Metode yang digunakan adalah Fast Fourier Transform (FFT) dan Discrete Wavelet Transform (DWT) sedangkan dalam algoritma klasifikasinya menggunakan Support Vector Machine (SVM). Hasil yang telah didapatkan dalam pengujian ini adalah SVM lebih mampu untuk mengklasifikasikan sistem dengan kernel RBF menggunakan 30% holdout validation. Keakurasian dari sistem ini adalah 91% pada metode DWT dan 72% pada metode FFT. Sehingga, dari kedua ekstraksi metode FFT dan DWT, yang memiliki nilai ekstraksi terbaik adalah DWT.

---

ABSTRACTTo support the monitoring focused human concentration, there is a need to understand the response of signals from EEG in two conditions which are when human is in full concentration and less concentration (presence of distraction).  To process those EEG signal data, an algorithm method and classification is needed to get the results of signal data from these two conditions In this research, the system of detecting design of human concentration levels based on EEG signals will be explained. The used methods are Fast Fourier Transform (FFT) and Discrete Wavelet Transform (DWT) while the classification algorithm uses Support Vector Machine (SVM).  The result of this research shows that by using SVM, a much more reliable result is achieved when a kernel RBF is used with 30% holdout validation. The result of the aforementioned method yields a 91% accuracy with DWT method and a 72% accuracy with FFT. 

 

"