Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKKanker adalah salah satu penyebab kematian terbanyak dan otak termasuk salah satu organ yang rentan terkena kanker. Deteksi dini tumor otak dapat mengurangi resiko terkena kanker. Scanner seperti Computed Tomography (CT) Scan dan Magnetic Resonance Imaging (MRI) adalah alat yang digunakan deteksi dini dan diagnosis tumor otak. Namun, modalitas tersebut berbiaya tinggi, berukuran besar, dan memiliki efek samping terhadap kesehatan. Pencitraan gelombang mikro menawarkan metode pemindaian tumor untuk deteksi dini dengan biaya rendah, ukuran kecil, dan risiko rendah terhadap kesehatan. Compressive Sensing (CS) memungkinkan rekonstruksi citra gelombang mikro dengan data yang sparse. Penelitian ini mengusulkan pengembangan Compressive Sensing dengan Low-Rank Compressive Sensing. Penelitian menunjukkan bahwa metode Low-Rank CS dapat memberikan hasil rekonstruksi yang sama, bahkan lebih baik secara kualitatif dan kuantitatif dibandingkan dengan metode Simultaneous Algebraic Reconstruction Technique (SART), CS murni, maupun CS dengan regularisasi Total Variation (TV). Parameter kualitatif diukur dengan perbandingan visual dan kontur aktif dari citra yang direkonstruksi, sedangkan parameter kuantitatif diukur dengan MSE dan SSIM. Penelitian ini juga telah merancang dan membuat sebuah framework yang mengemas metode Low-Rank CS. Framework tersebut merupakan komponen controller dan image reconstructor untuk produk pendeteksi tumor otak portabel berbasis gelombang mikro yang bersifat open source dan universal (multi-plartform).

---

ABSTRACTCancer is one of the leading causes of death and the brain is one of the organs vulnerable to cancer. Early detection of brain tumors can reduce the risk of cancer. Scanners such as Computed Tomography (CT) Scan and Magnetic Resonance Imaging (MRI) are tools for early detection of brain tumors. However, those modalities are high cost, big size, and has a side effect risk to health. Microwave imaging offers a novel cancer scanning method for early detection with low cost, small size, and low risk to health. The Compressive Sensing (CS) enables the reconstruction of microwave images with a sparse data. This research proposes the development of Compressive Sensing with Low-Rank Compressive Sensing. Experiment shows that the Low-Rank CS method can give the same, even better qualitatively and quantitatively reconstruction results compared to the Simultaneous Algebraic Reconstruction Technique (SART), pure CS, as well as CS with Total Variation (TV) regularization. Qualitative parameters are measured by visual comparison and active contours of the reconstructed image, while quantitative parameters are measured by MSE and SSIM. This research also designed and created a framework that packs the Low-Rank CS methods. The framework is a component of the controller and image reconstructor for a portable microwave-based brain tumor detector products that are open source and multi-platform."

"Pencegahan kanker dapat dilakukan dengan deteksi dini menggunakan pemindai seperti Computed Tomography (CT) Scan dan Magnetic Resonance Imaging (MRI). Namun, modalitas tersebut memiliki biaya produksi yang tinggi dan ukuran yang besar. Alternatif yang digunakan untuk mengatasi masalah ini adalah menggunakan pencitraan gelombang mikro. Pencitraan gelombang mikro membutuhkan data pengukuran besar untuk meningkatkan kualitas gambar. Untuk mengatasi kelemahan ini, proses penelitian ini adalah merekonstruksi algoritma pencitraan gelombang mikro dengan jumlah pengukuran yang lebih rendah menggunakan pendekatan Compressive Sensing (CS). CS memungkinkan merekonstruksi sinyal dari sejumlah kecil pengukuran daripada yang diperlukan dalam metode pengambilan sampel konvensional. Penelitian ini berkontribusi dengan menambahkan informasi spasial menggunakan Total Variation (TV) dan menyelesaikan masalah optimasi menggunakan Alternating Direction Method of Multipliers (ADMM). Penelitian ini dianalisis untuk kinerja kualitatif dan kuantitatif. Parameter yang digunakan dalam analisis kuantitatif adalah MSE dan SSIM. Hasil penelitian ini menunjukkan bahwa algoritma yang diusulkan berhasil mengimplementasikan rekonstruksi CS dengan menambahkan TV dalam hal kualitas gambar dan parameter kuantitatif. ......Prevention of cancer can be done by early detection using a scanner such as Computed Tomography (CT) Scan and Magnetic Resonance Imaging (MRI). However, those modalities have high production cost and considerable size. The alternative used to overcome this problem is using microwave imaging. Microwave imaging requires large measurement data to improve image quality. To overcome these weaknesses, this research process is algorithmic reconstruct the microwave images with lower number of measurements using Compressive Sensing (CS) approach. CS enables reconstructing a signal from a smaller number of measurements than which is required in the conventional sampling method. This research contributes by adding spatial information using total variation (TV) and solving the problem of optimization using Alternating Direction Method of Multipliers (ADMM). This research were analyzed for the qualitative and quantitative performance. Parameters used in quantitative analysis are MSE and SSIM. The results of this research show that the proposed algorithm successfully implemented the reconstruction of CS by adding TV in terms of image quality and quantitative parameters."

"Penelitian ini mengembangkan algoritma rekonstruksi citra gelombang mikro yang menggunakan pendekatan compressive sensing (CS) dimana data yang digunakan bersifat sparse – jumlah data bernilai nol atau yang dapat diabaikan yang ada dalam sebuah set data jauh lebih banyak dibandingkan jumlah data yang tidak bernilai nol. Pengembangan dilakukan dengan menambahkan total variation (TV) sebagai regularisasi spasial dan menggunakan metode alternating direction method of multipliers (ADMM) untuk menyelesaikan masalah optimasi yang dirancang dalam bentuk lagrange. Dengan merekonstruksi phantom simulasi, hasil rekonstruksi yang dilakukan oleh TV berhasil mengungguli algoritma simultaneous algebraic reconstruction technique (SART) dengan selisih nilai SSIM sebesar 0,0179 dan selisih nilai MSE sebesar 0,0119; dan mengungguli algoritma CS tanpa TV dengan selisih nilai SSIM sebesar 0,1699 dan selisih nilai MSE sebesar 0,0444. Nilai ini menunjukkan bahwa tidak hanya TV berhasil diterapkan pada CS, namun juga berhasil meningkatkan performa dan hasil citra rekonstruksi dari algoritma tersebut.......This research improves the compressive sensing (CS) based microwave imaging reconstruction algorithm where used data is sparse – the number of zeros or negligible data of a dataset is far beyond the number of non-zero data. The improvement is done by applying total variation (TV) as the spatial regularization and utilizing alternating direction method of multipliers (ADMM) to solve optimization problem in the form of Lagrange equation. By reconstructing simulation phantom, reconstructed image done by TV surpasses the simultaneous algebraic reconstruction technique (SART) with SSIM margin of 0.0179 and MSE margin of 0.0119; and surpasses CS without TV with SSIM margin of 0.1699 and MSE margin of 0.0444. This shows that not only TV is able to be applied to CS, but also manages to improve the performance of CS algorithm and the reconstructed image of said algorithm."

"Lagrange multiplier theory provides a tool for the analysis of a general class of nonlinear variational problems and is the basis for developing efficient and powerful iterative methods for solving these problems. This comprehensive monograph analyzes Lagrange multiplier theory and shows its impact on the development of numerical algorithms for problems posed in a function space setting. The book is motivated by the idea that a full treatment of a variational problem in function spaces would not be complete without a discussion of infinite-dimensional analysis, proper discretization, and the relationship between the two.The authors develop and analyze efficient algorithms for constrained optimization and convex optimization problems based on the augumented Lagrangian concept and cover such topics as sensitivity analysis, convex optimization, second order methods, and shape sensitivity calculus. General theory is applied to challenging problems in optimal control of partial differential equations, image analysis, mechanical contact and friction problems, and American options for the Blackcholes model."

"Krisis nilai tukar yang terjadi pada pertengahan tahun 1997 yang diikuti oleh krisis moneter, telah menimbulkan berbagai perubahan dalam struktur pengelolaan ekonomi moneter di Indonesia. Perubahan tersebut, diantaranya adalah: (1) beralihnya sistem nilai tukar Rupiah dani sistem manage floating exchange rate menjadi free floating exchange rate sejak 14 Agustus 1997, dan (2) berlakunya Undang-Undang Republik Indonesia No. 23 Tahun 1999 tentang Bank Indonesia, yang secara eksplisit menyatakan bahwa tujuan Bank Indonesia adalah untuk mencapai dan memelihara kestabilan Rupiah.Dalam penelitian ini, hubungan antara jumlah uang beredar (M2), nilai tukar (ER) dan tingkat harga (CPI) dianalisis menggunakan model identified Vector Autoregression Approach sebagaimana penelitian Dmyto Holod (2000) untuk kasus Ukraine.Hasil analisis menunjukkan bahwa, asumsi sticky price lebih cocok untuk Indonesia bukan flexible price, karena dalam penentuan harga terdapat faktor kebijakan yang tercermin -dalam administrated-price seperti Mahan- bath- riiinyiIC(BBM); tarif dasar listrik.Secara spesifik hasiI penelitian ini menunjukkan bahwa: (1) Peningkatan jumlah uang beredar mengarahkan pada terjadinya kenaikan tingkat harga (teori Money Marker equilibrium) dan terjadinya depresiasi nilai tukar (teori IRP). (2) Depresiasi nilai tukar mengakibatkan terjadinya kenaikan tingkat harga dan peningkatan jumlah uang beredar. (3) Kenaikan tingkat harga mendorong terjadinya depresiasi nilai tukar (teori PPP) dan setelah periode bulan pertama terjadi penurunan jumlah uang beredar.Kontraksi moneter yang mengikuti kenaikan tingkat harga menunjukkan bahwa Bank Indonesia menerapkan kerangka kebijakan inflation targeting, dimana uang beredar digunakan sebagai instrumen moneter atau sasaran antara untuk mengontrol inflasi, bukan sebagai sasaran akhir."