Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Tembakau memiliki senyawa aktif yang dapat digunakan sebagai bahan baku untuk membuat insektisida alami. Tenebrio molitor dan Zophobas morio adalah contoh hama tanaman pertanian. Tujuan dari penelitian ini adalah untuk menentukan nilai LC50 dari ekstrak tembakau pada Tenebrio molitor dan Zophobas morio. Penelitian sebelumnya menunjukkan bahwa ekstrak tembakau bekerja dengan prinsip neurotoxin dan nikotin adalah bahan yang paling tinggi dikandung dalam daun tembakau. Oleh karena itu, penelitian ini juga bertujuan untuk mengisolasi nikotin dari ekstrak tembakau dengan pelarut etil asetat. Ekstrak tembakau didapatkan dengan metode Extended Heat Reflux Extraction dengan pelarut etanol. Nilai LC50 esktrak tembakau pada Tenebrio molitor dan Zophobas morio secara berurutan adalah 21,1mg/ml dan 71,1 mg/ml. Metabolit yang dominan tertarik kepada etil asetat adalah nikotin (54,51 persen, rasio 1:4) dan 7- Dimetilamino-3-metiltriazolopiridin (14,28%, rasio 1:1).

---

ABSTRACT
obacco have lots of active compounds that can be used as a raw material for making natural insecticides. Tenebrio molitor and Zophobas morio are examples of agricultural pests. The purpose of this study were to determine LC50 values of tobacco extract on Tenebrio molitor and Zophobas morio. Previous research showed that tobacco extract have neurotoxin activity and nicotine is the highest content contained in the tobacco leaves. Therefore, this study also aims to isolate nicotine from tobacco extract with ethyl acetate solvents. Tobacco extract was obtained by the Extended Heat Reflux Extraction method with ethanol solvent. LC50 values ​​of tobacco extracts on Tenebrio molitor and Zophobas morio sequentially were 21.1 mg / ml and 71.1 mg / ml. The dominant metabolites attracted to ethyl acetate are nicotine (54.51%, ratio 1: 4) and 7-Dimetilamino 3-methyltryazolopiridine (14.28 persen, ratio 1: 1).

Abstrak :
Penyakit ginjal kronis (PGK) merupakan tantangan kesehatan global yang signifikan dan mempengaruhi populasi di seluruh dunia. Salah satu tanda klinis PGK adalah piuria, yaitu keberadaan leukosit dalam urine, meskipun tidak selalu mengindikasikan infeksi saluran kemih (ISK). Dalam penelitian ini, telah dikembangkan sistem kolorimetri berbasis citra untuk mendeteksi kadar leukosit dan berat jenis pada urine menggunakan strip uji urine, aplikasi ponsel pintar, dan backend server.Perancangan sistem mencakup kotak uji akuisisi citra, algoritma pengolahan citra, serta model klasifikasi Convolutional Neural Network (CNN). Sistem juga melibatkan aplikasi ponsel pintar berbasis client-server dan server berbasis Flask. Hasil penelitian menunjukkan bahwa backend service berbasis Flask berhasil memprediksi nilai kadar leukosit dan berat jenis urine pada strip uji dengan kecepatan dan akurasi yang memuaskan. Pada individual model, kecepatan rata-rata pada web browser sebesar 271,2 ms, dan pada multi model sebesar 363,2 ms. Sedangkan pada aplikasi ponsel pintar, kecepatan rata-rata pada individual model mencapai 572,3 ms, dan pada multi model mencapai 648,8 ms. Tingkat akurasi pada individual model mencapai 97% dengan nilai RMSE sebesar 0,00144 dan R2 sebesar 0,966, sementara pada multi model, tingkat akurasi meningkat menjadi 98% dengan nilai RMSE sebesar 0,00195 dan R2 sebesar 0,937. Hasil menunjukkan bahwa kecepatan server pada web browser lebih cepat dengan kecepatan rata-rata 402,5 ms, dibandingkan dengan kecepatan ponsel pintar yang mencapai 686,1 ms. ......Chronic kidney disease (CKD) is a significant global health challenge that affects a large number of people worldwide. One clinical sign of CKD is pyuria, the presence of leukocytes in the urine, although it does not always indicate urinary tract infection (UTI). This study designed a image-based colorimetric system to detect leukocyte levels and specific gravity in urine using urine test strips, a smartphone application, and a backend server.The system's design encompasses an image acquisition box, image processing algorithm, Convolutional Neural Network (CNN) classification model, client-server based smartphone application, and Flask-based server. The system relies on color changes in the urine test strip due to chemical reactions with specific substances, measured using the smartphone application. The results were analyzed and evaluated using the confusion matrix to measure the system's performance.The findings of the study indicate that the Flask-based backend service successfully predicted leukocyte levels and specific gravity in urine on the test strip with impressive speed and accuracy. In the individual model, the average speed on the web browser was 271.2 ms, and in the multi-model it was 363.2 ms. On the smartphone application, the average speed in the individual model was 572.3 ms, and in the multi-model, it was 648.8 ms. The individual model achieved an accuracy of 97% with an RMSE of 0.00144 and R2 of 0.966, while the multi-model achieved an accuracy of 98% with an RMSE of 0.00195 and R2 of 0.937. The results showed that the web browser server was faster with an average speed of 402.5 ms compared to the smartphone's speed of 686.1 ms

Abstrak :
Ginjal adalah organ penting dalam tubuh yang berfungsi untuk menyaring darah dan membuang limbah tubuh melalui urin. Ketika ginjal tidak dapat berfungsi pada kapasitas penuh, tubuh akan mengalami gejala yang mempengaruhi kualitas hidup seperti letih, sakit, dan depresi. Pada umumnya, penyakit ginjal kronis ditandai oleh adanya protein didalam urine dan nilai pH yang kecil. Kadar kimia dalam urine seperti protein, pH dan lainnya dapat diuji sehingga membantu pekerja medis dalam diagnosis serta perawatan lebih lanjut. Salah satu metode urinalisis adalah dengan menggunakan tes strip yang memanfaatkan sistem kolorimetri. Namun akurasi dari tes strip masih bersifat semi-kuantitatif dan dibatasi oleh kemampuan penglihatan manusia. Pada penelitian ini, diusulkan rancangan sistem urinalisis berbasis deep learning dalam aplikasi seluler Android. Sisi klien pada aplikasi seluler dibangun dengan menggunakan framework React Native sedangkan sisi server dibangun menggunakan Flask. Aplikasi seluler yang dibangun memiliki tiga proses penting, yaitu proses akuisisi citra, pengunggahan citra, dan penampilan hasil pengujian. Model deep learning yang sudah dibangun diimplementasikan ke dalam sisi server untuk mendapatkan prediksi kadar protein dan pH. Hasil model regresi terbaik adalah model output tunggal dengan arsitektur ResNet-50 dengan nilai RMSE 0.055 dan 0.981. Hasil model klasifikasi terbaik adalah model empat output dengan arsitektur ResNet-50 dengan nilai akurasi 99.2% dan 98.5%. ......Kidneys are important organs in the body that filter blood and remove body waste through urine. When kidneys are not functioning at full capacity, the body will experience symptoms that affect the quality of life such as fatigue, pain, and depression. In general, chronic kidney disease is characterized by the presence of protein in the urine and a low pH value. Chemical levels in urine such as protein, pH, and others can be tested to help medical workers in diagnosis and further treatment. One method of urinalysis is to use a strip test that utilizes a colorimetric system. However, the accuracy of the strip test is still semi-quantitative and limited by the ability of human vision. In this study, a deep learning-based urinalysis system design in an Android mobile application is proposed. The client side of the mobile application is built using the React Native framework while the server side is built using Flask framework. The mobile application has three important processes, namely image acquisition, image upload, and test result display. The deep learning model that has been built is implemented into the server side to get predictions of protein and pH levels. The best regression results are single output models with ResNet-50 architecture with RMSE values of 0.055 and 0.981. The best classification results are the four-output model with ResNet-50 architecture with accuracy values of 99.2% and 98.5%.