Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada penelitian ini dilakukan perancangan konfigurasi perangkat optik untuk mengukur kandungan kadar air pada serbuk teh hijau. Konfigurasi perangkat tersebut bekerja dengan memanfaatkan fenomena reflektansi dan absorbansi, yang terdiri dari LED ( λ = 970 nm), wadah kaca, LED driver, pemisah berkas, dan fotodioda. Dari pengujian terhadap serbuk teh hijau diperoleh hubungan yang konsisten linier antara intensitas reflektansi pada rentang variasi kadar air 6% - 57 %, yaitu menurun seiring dengan peningkatan kadar air dengan gradien -18 x 10-3. ......This preliminary research describe reflectance optical characterization results of four varieties of tea leaf, as a basis of optical device configuration designing to measure watercontent in green tea leaf. The device configuration works by utilizing reflectance andabsorbance phenomena, consisting of LED (λ = 970 nm), cuvette, LED driver, beam splitter and photodiode. From that results could be concluded that the range variances of water content 6% - 57%, of teas has consistent relationship with the output device. This relationship is showing trend of negative slope with gradien -18 x 10-3."

"Latar Belakang: Data GLOCOBAN tahun 2018 menunjukkan bahwa kanker lambung merupakan penyebab kematian akibat kanker nomor tiga di dunia. Hingga saat ini, belum terdapat deteksi dini untuk kanker lambung. Kanker lambung sering ditemukan dalam kondisi yang sudah berat, karena 25,8% kasus tidak terdiagnosis ketika dilakukan upper endoscopy. Sejumlah penelitian menunjukkan bahwa spektrofotometri dapat digunakan dalam mendeteksi jaringan kanker, antara lain spektroskopi Raman dan optik. Hingga saat ini belum ada penelitian yang mendeteksi jaringan kanker lambung berdasarkan spektrofotometri sederhana.Tujuan: Studi ini dilakukan untuk mengetahui ambang batas perbedaan panjang gelombang reflektansi pada jaringan kanker normal dengan jaringan pra-kanker dan jaringan kanker lambung serta menganalisis akurasi spektrofotometer dalam klasifikasi jaringan..Metode: Reflektansi jaringan mencit Mus musculus diukur menggunakan spektrofotometer konvensional pada panjang gelombang 431.5-705.2 mm. Hasil reflektansi kemudian digunakan dalam model machine learning untuk menentukan klasifikasi berdasarkan reflektansi.Hasil: Machine learning Tree menggunakan panjang gelombang 431,5, 494,2, dan 502.5 nm. Analisis Principal Component Analysis menunjukkan adanya penumpukkan antara jaringan prekanker dengan jaringan kanker. Metode Random Forest (CA: 0.857, precision: 0.872, recall: 0.857) lebih baik dalam mengklasifikasikan jaringan kanker lambung dibandingkan metode Tree (CA;0,607, precision:0,619, dan recall:0,607) dan logistic regression (CA:0,750, precision: 0,739, dan recall:0,750). Spektrofotometri reflektans sederhana memiliki sensitivitas sebesar 68.42%-89.47% dan spesifisitas sebesar 44-88.89% dalam mendeteksi jaringan pra-kanker dan jaringan kanker.Kesimpulan: Dengan rentang panjang gelombang 431,5, 494,2, dan 502.5 nm, spektrofotometri sederhana tidak dapat membedakan jaringan pra-kanker dan kanker karena terdapat penumpukan protein seperti miglobin, dan juga tingkat sensitivitas dan spesifisitas yang baik dalam membedakan jaringan normal dan tidak normal.......Background: GLOCOBAN in 2018 shows that gastric cancer is the third leading cause of death for cancer-related disease. Until now, there’s no early detection for gastric cancer. This causes gastric cancer to be diagnosed at a later stage, because 25,8% gastric cancer cases are undiagnosed even with upper endoscopy 3 years before diagnosis.A number of study has shows that spectrophotometry can be used for detecting gastric cancer, such as Raman spectroscopy and optical. Until now, there is no research that detect gastric cancer using conventional spectrophotometer.Objectives This study aims to understand the difference between wavelength of the reflectance from the normal gastric tissue, precancerous gastric tissue, and gastric cancer tissue and analyze the accuracy of conventional spectrophotometer to classify the tissues.Methods The reflectance of the tissue of Mus musculus is evaluated using conventional spectrophotometer at the wavelength of 431.5-705.2 mm. The resulting data will then be used in a machine learning model to help classify the tissue based on the reflectanceResult: Wavelengths used by Tree is 431,5, 494,2, dan 502.5 nm. Analysis using Principal Component Analysis shows a grouping formed by the gastric precancer tissue and gastric cancer tissue. Random Forest (CA: 0.857, precision: 0.872, recall: 0.857) is proven to be better for classifying the tissue based on the reflectance compared to Tree (CA;0,607, precision:0,619, and recall:0,607) and Logistic regression (CA:0,750, precision: 0,739, and recall:0,750). Conventional reflectance spectrophotometry yielded a 68.42%-89.47% sensitivity and 44-88,89% specificity in differentiating normal gastric tissue with abnormal gastric tissue.Conclusion: Within the wavelength of 431,5, 494,2, dan 502.5 nm, conventional spectrophotometer cannot differentiate precancerous lesion with gastric cancer tissue due to the abundance of protein such as myoglobin, and having a good sensitivity and specificity in differentiating normal and abnormal tissue."

"Latar belakang: Kanker kolorektal menduduki peringkat tiga sebagai kanker terbanyak di dunia, dan peringkat kedua sebagai kanker dengan angka mortalitas tertinggi, yaitu 862,000 kematian pada tahun 2018. Dalam alur penatalaksanaan kanker kolorektal, pemeriksaan histopatologi memiliki peranan penting dalam menentukan progresivitas kanker yang secara tidak langsung menentukan jenis terapi pada pasien. Subjektivitas dalam pemeriksaan patologi berpotensi untuk menjadi suatu masalah karena dapat menyebabkan diagnosis yang tidak tepat. Hal ini diakibatkan sifat pemeriksaan patologis yang operator dependent yang perlu diminimalkan agar pemeriksaan lebih objektif. Spektroskopi telah digunakan sebagai metode untuk membantu mengkuantifikasikan diagnosis kanker mulai dari quantitative mass sepctrometry, atau quantitative spectroscopic imaging. Namun penggunaan spektroskopi berbasis cahaya tampak belum banyak ditemukan.Tujuan: Studi ini bertujuan untuk mengetahui intensitas cahaya reflektansi dari spektrofotometer reflektans sederhana untuk membedakan jaringan kolon normal, prekanker, dan kanker, serta akurasinya dalam membedakan jaringan. Metode: Studi ini mengukur reflektansi pada jaringan kanker kolon dari mencit (Mus musculus) pada 126 panjang gelombang mulai dari 435-712.6 nm. Data reflektansi dianalisis menggunakan Uji Saphiro Wilk, Uji Kruskal Wallis, dan Uji One Way ANOVA. Kemudian Principle Component Analysis (PCA) dilakukan pada data, lalu dilanjutkan dengan 5-fold cross validation menggunakan algoritma machine learning. Pengukuran parameter akurasi kemudian dilakukan pada model yang dibuat menggunakan machine learning yang mencakup CA (Classification Accuracy), precision, recall, sensitivitas, dan spesifisitas. Hasil: Dalam membedakan 3 kelompok jaringan (normal, prekanker, dan kanker), ditemukan 41 panjang gelombang dengan setidaknya 2 kelompok berbeda bermakna, dan spektrofotometer memiliki akurasi yang rendah (CA 0.429-0.464, precision 0.446-0.481, recall 0.429-0.464). Untuk membedakan jaringan normal dan jaringan abnormal (prekanker dan kanker), ditemukan 57 panjang gelombang dengan perbedaan bermakna, dan spektrofotometer memiliki akurasi dengan skor CA 0.821-0.857, precision 0.819-0.60, recall 0.821-0.857, sensitivitas 88.8-100%, dan spesifisitas 50-70%.Simpulan: Studi ini menyimpulkan bahwa terdapat perbedaan reflektansi antara 3 kelompok jaringan. Spektrofotometer reflektans sederhana dapat membedakan jaringan normal dan jaringan abnormal (prekanker dan kanker) dengan cukup baik, namun tidak dapat untuk membedakan 3 kelompok jaringan.

---

Bakcground: Colorectal cancer is the third most prevalent cancer worldwide and is the second place for cancers with the highest mortality (862,000 deaths in 2018. In the guidelines for colorectal cancer therapy, histopathological evaluations plays a major role in determining the progression of the cancer thus indirectly determining the therapy for each patient. Subjectivity in pathological evaluation might lead to problems which would resulted in misdiagnosis. This is due to the operator-dependent characteristic of pathological evalutaion that should be minimalized to increase its objectivity. Spectroscopy have been researched and used as a method to help to quantify cancer diagnosis such as quantitative mass spectroscopy and quantitative spectroscopic imaging. The usage of visible light spectroscopy is limited for now. Objectives: This study aims to evaluate the reflectance measured using simple reflectance spectrophotomoeter in order to differentiate normal colon, precancer lesion, and colon cancer tissue, and its accuracy in differentiating tissues.Methods: This study measures the reflectance of the Mus musculus rodents' colon tissue in 127 wavelength from 435-712.6 nm. The reflectance then analyzed using Saphiro Wilk test, One Way ANOVA, and Kruskal Wallis. PCA is conducted, then a 5-fold cross validation is done using machine learning algorithms. A accuracy testing including CA (Classification Accuracy), precision, recall, sensitivity, and specificity is done to the models made by machine learning algorithm.Results: In differentiating 3 tissue category (normal, precancer, and cancer) 41 wavelengths are identified with a p-value of <0.05. To differentiate 3 tissue category, simple spectrophotometer have low accuracy (CA 0.429-0.464, precision 0.446-0.481, recall 0.429-0.464. In differentiating abnormal tissue (precancer and cancer) from normal tissue, 57 wavelengths are identified with a p-value of <0.05. To differentiate these 2 categories, simple reflectance spectrophotometer have an accuracy with CA score equals 0.821-0.857, precision equals 0.819-0.60, recall equals 0.821-0.857, sensitivity equals 88.8-100%, and spesificity equals 50-70%.Conclusion: This study concludes that there is a significant difference in reflectance from 3 tissue samples. Simple reflectance spectrophotometer could differentiate normal and abnormal (precancer and cancer) tissue well but it is unable to differentiate normal, precancer, and cancer tissue to 3 different categories."

"Latar belakang: Menurut Global Cancer Statistics 2020 (GLOBOCAN), kanker kolorektal masih menduduki posisi ke-3 pada penyebab kanker tersering di dunia, dan posisi ke-2 pada penyebab kematian tersering akibat kanker (9.4%). Evaluasi histopatologi dari hasil biopsi jaringan kolorektal yang merupakan baku emas dalam diagnosis saat ini pun masih memiliki berbagai keterbatasan. Penentuan derajat keparahan dari kanker kolorektal, dilakukan secara subjektif oleh ahli patologi anatomik melalui observasi mikroskop, sehingga data yang dimiliki bersifat kualitatif. Studi menggunakan prinsip spektrofotometri sudah pernah dilakukan dalam upaya diagnostik kanker sebelumnya. Namun, hingga saat ini masih belum ada studi yang menggunakan spektrofotometer reflektansi VIS-NIR sebagai metode diagnostik kuantitatif dan objektif untuk kanker kolorektal.Tujuan: Penelitian ini adalah studi pendahuluan untuk mengetahui potensi dan kemampuan dari spektrofotometer reflektansi VIS-NIR dalam membedakan jaringan normal, prekanker, dan radang pada blok parafin jaringan kolon mencit.Metode: Penelitian ini memiliki desain eksperimental yang menggunakan sampel blok parafin jaringan kolorektal mencit Mus musculus. Sampel diklasifikasikan oleh ahli patologi anatomi menjadi tiga kategori berdasarkan derajat lesinya, yaitu normal, radang, dan prekanker. Sebanyak 30 sampel tersebut diukur intensitas cahaya reflektansinya pada 454 panjang gelombang berbeda yang termasuk dalam spektrum VIS-NIR. Hasil pengukuran dianalisis dengan perangakat lunak SPSS 26.0 untuk uji komparatif dan perangkat lunak Orange Data Mining untuk pengujian machine learning dalam pegelompokan sampel berdasarkan derajat lesinya.Hasil dan Pembahasan: Hasil uji komparatif membuktikan bahwa 429 dari 454 panjang gelombang cahaya VIS-NIR memiliki perbedaan intensitas cahaya reflektansi yang bermakna antarkelompok derajat lesi (p<0.05). Machine learning yang terbaik dalam pengelompokan sampel menurut derajat lesi berdasarkan data intensitas cahaya reflektansi adalah model SVM dengan nilai Area under the Curve (AUC) 98.3%, Classification Accuracy (CA) 86.7%, Skor F1 0.862, Precision 86.9%, Recall 86.7%, sensitivitas 70-100%, dan spesifisitas 90-95%.Kesimpulan: Spektrofotometri Reflektansi VIS-NIR dapat membedakan jaringan normal, radang dan prekanker kolorektal pada mencit Mus musculus dengan sensitivitas dan spesifisitas yang baik......Background: According to the Global Cancer Statistics 2020 (GLOBOCAN), colorectal cancer is still the 3rd most common cause of cancer in the world and the 2nd most common cause of cancer death (9.4%). Histopathological evaluation of colorectal tissue biopsy results, which is currently still the gold standard in colorectal cancer diagnosis, has its limitations. Determining the severity of colorectal cancer is done subjectively by anatomical pathologists through microscopic observation. Results from this evaluation are qualitative data which can contribute to the high level of false positive and negatives of the diagnosis. Studies using spectrophotometric principles have been carried out in previous diagnostic efforts. However, to date, there are still no studies using the VIS-NIR reflectance spectrophotometer as a quantitative and objective diagnostic tool for colorectal cancer.Objective: This is a pilot study to determine the potential and ability of the VIS-NIR reflectance spectrophotometer in differentiating normal, precancerous, and inflammatory parrafin-block of mouse colorectal tissues.Method: This experimental study uses paraffin-block samples of colorectal tissue from Mus musculus mice. Samples were classified by anatomical pathologists into three categories based on the degree of lesion, namely normal, inflammatory, and precancerous. A total of 30 samples were measured by their light intensity reflectance at 454 different wavelengths included in the VIS-NIR spectrum. Results are evaluated using SPSS 26.0 for comparative testing and Orange Data Mining for machine learning to evaluate their competence in differentiating samples based on the degree of lesion.Results and Discussion: Comparative test results proved that 429 of the 454 wavelengths in the VIS-NIR light spectrum had a significant difference in light intensity reflectance between the three degree groups of lesion (p<0.05). The best machine learning in differentiating samples according to the degree of lesions based on light reflectance intensity is the SVM model with the value of Area Under the Curve (AUC) 98.3%, Classification Accuracy (CA) 86.7%, F1 score 0.862, Precision 86.9%, Recall 86.7%, sensitivity 70-100%, and specificity 90-95%.Conclusion: VIS-NIR Reflectance spectrophotometry can distinguish normal, inflammatory, and precancerous colorectal tissue in Mus musculus mice with good sensitivity and specificity."

"Batik tulis sebagai warisan budaya Indonesia telah diakui oleh UNESCO. Pengakuan ini telah meningkatkan popularitas Batik Tulis di dunia internasional. Saat ini, batik tulis menjadi salah satu dari produk industri kreatif Indonesia. Dukungan kepada para pembatik Indonesia adalah sangat penting supaya mereka dapat meningkatkan kinerja dalam membatik. Memberi kenyamanan penglihatan kepada pembatik dengan pencahayaan buatan adalah salah satu bentuk dukungan kepada para pembatik. Tesis ini membahas faktor-faktor ruang dan pencahayaan buatan yang mempengaruhi kualitas bidang kerja dalam menulis batik. Teori performansi visual pada bidang kerja pencahayaan menekankan pada keseimbangan kontras warna, ukuran detail, kecepatan kerja, renderasi warna, kontras terang, reflektansi ruang dan kombinasi pencahayaan. Tujuan dari penelitian ini adalah mengetahui rentang iluminasi pada bidang kerja penulisan lilin batik dan memperoleh desain pencahayaan untuk ruang membatik batik tulis. Penelitian ini adalah penelitian problem solving menggunakan pendekatan kuantitatif dengan desain deskriptif. Pendekatan kuantitatif digunakan untuk menganalisis data survey dan data eksperimen. Deskripsi ruang dianalisis dengan program simulasi Autocad 2008 dan Relux Professional 2007. Sedangkan deskripsi kontras warna dianalisis dengan Color Contrast Analyzer 1.1. Variabel-variabel yang diteliti adalah silau, bayangan, kontras warna, ukuran detail, kecepatan kerja, renderasi warna, kontras terang, reflektansi ruang dan kombinasi pencahayaan. Disimpulkan bahwa kualitas bidang kerja membatik dipengaruhi oleh posisi luminer, photometri, reflektansi ruang, warna kain bidang verja, intensitas cahaya dan kombinasi pencahayaan. Reflektansi pembatas ruang berpengaruh besar terhadap terang ruang dan kontras bidang kerja membatik. Reflektansi dinding berpengaruh sebesar 65 % dibandingkan plafond dan lantai. Sehingga, perubahan warna dinding akan sangat mempengaruhi terang ruang dan kualitas bidang kerja membatik.

---

Batik tulis is Indonesian cultural heritage has been recognized by UNESCO. This recognition improves the popularity of batik tulis in the world. Now, batik tulis becomes one of creative industry products in Indonesia. Supporting for batik writer is very important in order to improve their performance in writing batik. Giving visual comfort for batik writer with artificial lighting is one of the supports. This thesis discusses space and lighting factors that influence to visual task quality in writing batik. Visual performance theory of task lighting focuses on balances of color contrast, detail size, work speed, color rendering, brightness contrast, room reflectance and combined illumination. The aims of this research are identifying illumination range on task in writing lilin batik and getting lighting design characteristics for space in writing batik tulis. This research is problem solving research with quantitative method and description design. Quantitative method is used to analyze survey and experiment data. Space description is analyzed by Autocad 2008 and Relux Professional 2007 simulation program. Color contrast description is analyzed by Color Contrast Analyzer 1.1. Variables that are analyzed are glare, shadow, color contrast, detail size, work speed, color rendering, brightness contrast, room reflectance and combined illumination. This study concludes that quality task in writing batik is affected by luminary position, photometry, room reflectance, task textile color, light intensity and combined illumination. Room reflectance influences brightness space and task contrast. Wall reflectance influences 65% than plafond and floor. So, the change of wall color controls over brightness space and task contrast in writing batik."

"Dalam tesis ini, telah dilakukan optimasi tebal dua lapisan L1+L2 dari anti-reflection coating (ARC) indeks bias nar yang diberikan pada ujung pandu gelombang semikonduktor pemanduan lemah (compound III-V), untuk modus tunggal TEM: agar reflektansi kurang dari 0,0001. Jalur transmisi dipakai sebagai analogi eksak terhadap refleksi di bidang batas, sehingga hubungan kontinyuitas dapat diperoleh memakai operator diadik admitansi Y dan impedansi Z di bidang transversal, serta dengan mengganti pandu gelombang sebagai medium homogen indeks bias ne nerve melalui aproksimasi la = ( ncozdnclad -1 )112 sehingga secara praktis maka Ala (dw)-ia dimana w sebagai karakteristik tampang lintang pandu gelombang, bisa dinyatakan sebagai ketebalan lapisan aktif Melalui bentuk diferensial operator, medan elektrik backward dapat disusun melalui elemen-elemen matriks refleksi Rxx di permukaan batas, sehingga reflektansi pada z==0 dapat diperoleh. Frekuensi respons lapisan ganda untuk pengoperasian dengan = 1,55 µm, menghasilkan: (L1+L2) = n (?i4) dengan n gasal, pada nar = 1,46 (SiO2) atau 2,5870 (Si3N4, ZnSe). Bila indeks bias diambil berbeda (nar.l * nar,2), akan dihasilkan reflektansi minimum 0,58 (praktisnya adalah nol) pada L1=L2=L = 2/8 = 0,1938 m.

---

In this thesis, the thickness of two layers L1+L2 anti-reflection coating (ARC) with refractive index nar of the end facet of weakly-guiding semiconductor (compound III-V), has been optimised to single mode TEM: in order that reflectance had less than 0,0001. Reflection at the boundary is exactly analogous to transmission-line models, with the result that continuity relation using dyadic admitance Y and impedance Z operators at transverse plane, also by replacing the waveguide with homogeneous medium of refractive index nc = ne,fe through Ala = ( nrarc/nc:od -1 }112 approximation such was the case 1a -- (dw}-la in practice, where w is characteristic cross-section of waveguide, can be represented of active layer thickness. Through the differential operator, backward electric field can be form by matrix elements Rxx of reflection of interface, in such a way that reflectance at the plane z--0 is obtain. Double layers response frequencies at A.= 1,55 gm operating, produced: (L1+L2) = n (7J4) where n is odd, with nar = 1,46 (SiO2) or 2,5870 (Si3N4, ZnSe). Difference of both refractive indexes (nar.' $ nar.2), to result in is minimum reflectance 0,58.10-10 (practically is zero) with L1 L2 = L = A/8 = 0,1938 m."

"Teknologi penginderaan jauh menjadi salah satu solusi utama dalam deteksi cepat daerah terkena banjir. Data satelit menghadirkan karakteristik reflektansi objek permukaan bumi yang bervariasi tergantung pada panjang gelombang. Studi terdahulu dalam mengidentifikasi nilai reflektansi pada kondisi tergenang dan tidak tergenang memerlukan peningkatan akurasi, melibatkan data dari laboratorium, lapangan, dan satelit. Penelitian ini bertujuan menemukan spesifikasi spektrum panjang gelombang reflektansi untuk digunakan dalam mendeteksi daerah terkena banjir dengan data satelit penginderaan jauh. Diharapkan, temuan dari penelitian ini akan menghasilkan indeks banjir yang efektif, terutama pada rentang panjang gelombang yang relevan untuk mendeteksi daerah terkena banjir menggunakan data penginderaan jauh. Penelitian ini telah menemukan perbedaan reflektansi daerah tidak tergenang dan tergenang dengan kedalaman tertentu (5 cm, 10 cm, 15 cm, 30 cm, dan 60 cm) pada tiga kelas penutup lahan pemukiman, sawah, dan bantaran sungai, dengan rentang panjang gelombang 325 nm hingga 1075 nm. Hasil uji beda dengan uji t-Test, dengan significance level 0.05 dan analisis selisih, menunjukkan bahwa spektrum panjang gelombang near-infrared Sentinel-2, yaitu pada kanal 6 (733-748 nm), kanal 7 (773-793 nm), kanal 8 (855-900 nm), dan kanal 8A (855-875 nm) memiliki signifikansi yang tinggi dalam membedakan daerah tidak tergenang dan tergenang. Penelitian menyimpulkan bahwa spesifikasi spektrum panjang gelombang dapat digunakan deteksi daerah banjir pada spektrum yang tersebut di atas. Spesifikasi tersebut telah diimplementasikan untuk deteksi daerah banjir dengan data penginderaan jauh Sentinel-2 dan menghasilkan akurasi lebih dari 84.65% pada uji coba di tiga lokasi studi area penelitian. Hasil penelitian ini menyarankan melakukan penelitian lebih lanjut dengan melakukan pengukuran reflektansi pada berbagai objek permukaan bumi dan lokasi penelitian yang beragam, terutama fokus pada tutupan lahan lainnya yang terdampak banjir. Saran lainnya adalah memberikan rekomendasi kepada para pengambil keputusan di bidang teknologi penginderaan jauh, terkait dengan rentang panjang gelombang near-infrared untuk mendeteksi wilayah yang terkena banjir. Rekomendasi ini dapat menjadi dasar penting dalam pembangunan program sensor satelit nasional di Indonesia.......Remote sensing technology is one of the most important solutions to quickly identify areas affected by flooding. Data satellites show the reflective properties of the surface of Earth objects, which vary according to wavelength. Preliminary studies to identify reflectance values in flooded and non-flooded areas require higher accuracy, incorporating data from laboratories, fields and satellites. This research aims to find specifications for the reflection wavelength spectrum that can be used in floodplain detection using remote sensing satellite data. It has been announced that the results of this research will lead to an effective flood index, especially at wavelengths relevant to floodplain detection using remote sensing data. This study has found differences in the reflectance of non-flooded and flooded areas with certain depths (5 cm, 10 cm, 15 cm, 30 cm and 60 cm) in three classes of residential land cover, paddy fields and riverbanks with a wavelength range from 325 nm to 1075nm. The results of the t-test with a significance level of 0.05 and the difference analysis show that the near-infrared wavelength spectrum of Sentinel-2, i.e., channel 6 (733-748 nm), channel 7 (773-793 nm), channel 8 (855-900 nm), and channel 8A (855-875 nm), has high significance in discriminating between non-flooded and flooded areas. The research concludes that the wavelength spectrum specification can be used to detect floodplains in the above spectrum. This specification was implemented for floodplain detection using Sentinel-2 remote sensing data and yielded an accuracy of greater than 84.65% in tests at three sites in the research area. The results of this study encourage further research to be conducted by measuring the reflectance on various objects on the earth's surface and at various research sites, focusing on other land areas affected by flooding. Another suggestion is to provide remote sensing technology decision makers with recommendations related to near-infrared wavelength bands to identify areas affected by flooding. These recommendations can be an important basis for the development of a national satellite sensor program in Indonesia."

"Eye strain, atau asthenopia, merupakan suatu kondisi di mana mata mengalami ketegangan akibat terlalu sering digunakan dalam waktu yang lama, terutama pada aktivitas yang melibatkan penggunaan komputer. NIOSH menyebutkan bahwa sekitar 75 – 90% pengguna komputer yang menghabiskan waktu selama tiga jam atau lebih mengeluhkan gangguan penglihatan. Sebuah studi oleh Kowalska et al (2011) terhadap pekerja kantoran yang menggunakan komputer secara intens menyebutkan bahwa prevalensi eye strain pada pekerja wanita sebesar 50,7% dan pada pria sebesar 32,6%. Penelitian ini bertujuan untuk mengetahui hubungan antara tingkat pencahayaan, reflektansi, dan kekontrasan area kerja terhadap keluhan eye strain pada karyawan office di PT. X. Penelitian dilakukan dari April – Juni 2023 dengan total sampel sebanyak 134 orang secara simple random sampling. Desain penelitian yang digunakan yaitu cross- sectional serta pengambilan data dilakukan dengan menyebarkan kuesioner, yang diadopsi dari Haeny (2009) dan Ramadhani (2012), dan pengukuran langsung menggunakan lux meter. Adapun variabel independen yang diteliti yaitu tingkat pencahayaan, reflektansi, kekontrasan area kerja, durasi kerja, usia, gangguan penglihatan, dan riwayat gangguan kesehatan mata sedangkan variabel dependennya yaitu keluhan eye strain. Hasil uji analisis univariat menunjukkan bahwa terdapat 113 orang karyawan (84,3%) mengalami keluhan eye strain dengan gejala yang paling sering dirasakan yaitu terasa tegang di bagian leher dan bahu (43,3%) dan gejala yang paling jarang dirasakan yaitu terasa nyeri di bagian kelopak mata (8,2%). Sementara, dari hasil uji analisis bivariat menunjukkan bahwa terdapat hubungan antara tingkat pencahayaan (p-value = 0,000), reflektansi (p-value = 0,001), kontras area kerja (p-value = 0,027), durasi kerja (p-value = 0,000), dan usia (p-value = 0,022), namun tidak terdapat hubungan antara gangguan penglihatan (p-value = 0,749) dan riwayat gangguan kesehatan mata (p- value = 0,918) terhadap keluhan eye strain.......Eye strain, or asthenopia, is a condition where the eyes are strained due to prolonged overuse, especially in computer-based activities. NIOSH states that about 75 - 90% of computer users who spend three hours or more complaining of visual impairment. A study by Kowalska et al (2011) on office workers who use computers intensely stated that the prevalence of eye strain in female workers was 50,7% and in men was 32,6%. This study aims to determine the relationship between illuminance, reflectance, and work area contrast on eye strain complaints in office employees at PT. X. This research was conducted from April - June 2023 with a total sample of 134 employees by simple random sampling. The design used in this research is cross-sectional and data collection is carried out by distributing questionnaires, which were adopted from Haeny (2009) and Ramadhani (2012), and direct measurements using a lux meter. The independent variables included illuminance, reflectance, work area contrast, work duration, age, visual impairment, and history of eye health problems related to eye strain complaints as the dependent variable in this research. Results showed that there were 113 employees (84,3%) complaining of eye strain with the most common symptom felt by them was tension in the neck and shoulders (43,3%) and the least common symptom was pain in the eyelids (8,2%). While, the results of bivariate analysis showed that there was a relationship between illuminance (p-value = 0,000), reflectance (p-value = 0,001), work area contrast (p-value = 0,027), work duration (p-value = 0,000), and age (p-value = 0,022), but there was no relationship between visual impairment (p-value = 0,749) and history of eye health problems (p-value = 0,918) to eye strain complaints."