Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKLatar belakang dan tujuan : Saraf optikus merupakan saraf kranial kedua yang mempersarafi bola mata dan diselubungi oleh selubung saraf optikus. Pelebaran selubung saraf optikus pada umumnya disebabkan peningkatan tekanan intrakranial. Deteksi dini peningkatan tekanan intrakranial sangatlah kritikal tetapi sering kali sulit dilakukan. Hal ini dikarenakan pemeriksaan tekanan intrakranial secara invasif bukan merupakan pemeriksaan yang rutin dikerjakan dan terdapat keterbatasan alat. Karena itu, pemeriksaan MRI sequence T2WI fat suppressed dapat membantu dalam mengevaluasi peningkatan tekanan intrakranial melalui pengukuran selubung saraf optikus dengan cara non-invasif. Metode : Penelitian dilakukan dengan desain potong lintang untuk mengetahui rasio normal selubung saraf optikus terhadap saraf optikus anak berdasarkan pengukuran MRI menggunakan data primer di Departemen Radiologi RSCM mulai bulan September 2015 sampai Juli 2016, dengan jumlah sampel 20. Pengukuran dilakukan dengan jarak 3 mm di belakang bola mata. Hasil : Rasio selubung saraf optikus dibandingkan saraf optikus pada anak adalah 1,83 dengan simpang baku 0,06. Rerata diameter selubung saraf optikus pada anak-anak adalah 4,41 mm dengan simpang baku 0,16 dan rerata diameter saraf optikus pada anak-anak adalah 2,41 dengan simpang baku 0,15. Kesimpulan : Nilai normal rasio selubung saraf optik terhadap saraf optik pada anak-anak dapat digunakan sebagai parameter non-invasif untuk evaluasi tekanan intrakranial.

---

ABSTRACTBackground and Objective Optic nerve is innervate both eyes and covered by a sheath. Widening of the optic nerve sheath are mainly due to increased intracranial pressure. Early detection is critical but difficult to do. This is because the invasive intracranial pressure measurement is not a routine examination done. Therefore, MRI T2WI fat suppressed can be very helpful in evaluating the increased intracranial pressure. Methods The study was conducted with a cross sectional design to determine the normal ratio of optic nerve sheath against optic nerve in children based on MRI measurement using primary data at the Department of Radiology RSCM, from September 2015 until July 2016, with total sample is 20. Measurements were made at 3 mm behind the eyeball. Results The ratio of the optic nerve sheath against optic nerve in children is 1.83 with 0.06 standard deviations. The mean diameter of the optic nerve sheath in children are 4.41 mm with 0.16 standard deviations and the mean diameter of the optic nerve in children is 2.41 with 0.15 standard deviations. Conclusions Normal ratio of the optic nerve sheath against the optic nerve in children can be used as parameters for evaluation of non invasive intracranial pressure."

"Rasa nyeri pada gigi merupakan salah satu nyeri yang paling sering dijumpai pada daerah orofasial. Rasa nyeri tersebut disebabkan oleh kemampuan sel saraf dalam menghantarkan rangsangan yang tergantung pula pada jumlah dan jenis kanal ion natrium yang berada pada sel saraf tersebut. Salah satu kanal ion natrium yang berada pada saraf gigi yaitu Nav1.8. Saat ini di Indonesia sedang dilakukan penelitian terhadap kandungan Nav1.8 pada saraf gigi tepatnya pada nodus Ranvier oleh drg.Didi Santosa, kandidat doktor Fakultas Kedokteran Gigi Universitas Indonesia.Metode penelitian tersebut yaitu imunofluoresens. Sample jaringan saraf diamati menggunakan mikroskop fluorescent kemudian diubah ke bentuk citra dijital dan dihasilkan dua buah citra yaitu citra fluorescent merah dan hijau. Citra fluorescent merah memberikan informasi kandungan Nav1.8 dan fluorescent hijau memberikan informasi letak nodus Ranvier. Agar kedua citra tersebut mudah dianalisa lebih dalam secara manual oleh end user maka dibutuhkan suatu metode fusi untuk menggabungkan kedua citra tersebut. Selain itu dibutuhkan suatu cara yang akurat untuk mendeteksi lokasi region of interest dari nodus Ranvier tersebut serta menghitung kandungan Nav1.8 pada nodus tersebut.Pada tugas akhir ini penulis melakukan fusi citra dengan metode pixel level fusion sedangkan untuk pendeteksian kandungan Nav1.8 dengan metode decision level fusion. Pendeteksian tersebut membutuhkan input berupa lokasi paranodus yang diperoleh dari hasil pendeteksian paranodus yang dilakukan oleh M.Rabindra Surya. Evaluasi hasil fusi dilakukan secara kulitatif sehingga hasil fusi akan dinilai secara subjektif oleh end user.Evaluasi hasil pendeteksian Nav1.8 secara otomasi yaitu 93,33%, angka ini diperoleh dari perbandingan hasil eksprimen dibandingkan dengan hasil pendeteksian secara manual oleh end user namun hasil pendeteksian oleh program sebenarnya lebih bersifat untuk membantu end user mengidentifikasi roi dengan lebih akurat hal ini dikarenakan pengkotakkan roi oleh end user sebenarnya hanya bertujuan untuk mengidentifikasikan bahwa daerah tersebut merupakan nodus Ranvier. Namun penulis tetap melakukan perbandingan kinerja program dengan roi end user karena pada penelitian end user sebelumnya lokasi-lokasi nodus tersebut telah ditentukan positif atau negatif."

"Jaringan Saraf Tiruan (JST) terdiri dari operasi elemen-elemen sederhana secara paralel. Elemen-elemen ini terinspirasi oleh sistem saraf biologi. Di alam, fungsi jaringan pada umumnya merupakan hubungan antara elemen-elemen tersebut. Kita dapat melatih suatu JST untuk menampilkan fungsi khusus dengan memberikan nilai hubungan (bobot) antara elemen-elemen itu. Kemampuan dari JST inilah yang menjadi bahan kajian dalam tulisan ini. Untuk mensimulasikan JST, digunakan MATLAB. Salah satu kemampuan dari MATLAB adalah dapat menciptakan suatu program yang berorientasi pada objek, dikenal dengan istilah GUIDE. Pada tulisan ini akan dipaparkan kemampuan GUIDE MATLAB dalam menghasilkan program yang sangat membantu perhitungan, terutama dalam memprediksikan nilai konduktivitas termal Beton Ringan Aerasi. Salah satu tujuannya adalah membandingkan kemampuan dari JST dengan hasil eksperirnen. Pada akhir analisis, disimpulkan bahwa JST mampu melakukan pendekatan dalam memprediksi harga konduktivitas termal bahan yaitu Beton Ringan Aerasi. Pemilihan data metode belajar, struktur jaringan dari JST sangat mempengaruhi keakuratan terhadap hasil simulasi.

---

Artificial Neural Networks (NN) are composed of simple elements operating in parallel. These elements are inspired by biological nervous systems. As in nature, the network function is determined largely by the connections between elements. We can train a NN to perfomt a particular function by adjusting the values of the connections (weights) between elements. The ability of this NN becomes the study materials in this writing. MATLAB used to simulate JST. One of the advantages of MATLAB that it can create a program in object oriented, known as GUIDE. In this paper will introduce the ability of MATLAB GUIDE in producing a program which is helpful in calculation, especially to predict the value of thermal conductivity of Autoclaved Aerated Concrete. One of the goals is to compare the ability of JST with experiment. By the end of analysis, it is concluding that NN can conduct the approach in prediction of price of thermal conductivity in this case is Autoclaved Aerated Concrete. The elections of training data., structure network from NN is very influencing of accuracy to the result."

"Dalam skripsi ini dikembangkan suatu sistem analitis of}-line untuk mengenali tulisan tangan diskrit dengan menggunakanjaringan saraf buatan sebagai pengklasiftkasi. Pendekatan yang diambil adalah dengan melakukan pra-pengolahan terlebih dahuiu terhadap citra masukan, dan mengekstraksi beberapa ciri sebelum dimasukkan ke dalam jaringan saraf. Ciri yang digunakan tidak terlalu banyak yaitu 72 buah, dan diambil dari berbagai jenis kategori yaitu ciri global, lokal, tipografis, dan topologis. Jaringan saraf buatan yang digunakan dalam skripsi ini ada tiga buah yaitu jaringan huruf kecil, jaringan huruf besar, dan jaringan ACON (All Class in One Network) yang merupakan sebuah jaringan tunggal yang menangani semua kelas keluaran baik huruf besar maupun huruf kecil. Setiap node pada ketiga jaringan tersebut menggunakan fungsi aktivasi sigmoid dengan jangkauan keluaran [45, 0.5]. Pelatihan dilakukan dengan algoritma propagasi balik online (online backpropagation) untuk meminimumkan fungsi kesalahan cross-entropy. Dalam skripsi ini akan dibandingkan kemampuan generalisasi antara jaringan ACON dengan jaringan subclass yang terbentuk dari jaringan huruf besar dan jaringan huruf kecil. Pengujian juga dilakukan untuk melihat kemampuan sistem untuk mengenali citra masukan yang telah transformasi skala."