Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Jurnal Penelitian Fisika dan Aplikasinya (JPFA) Jurnal Sains dan Teknologi Nuklir Indonesia (Indonesian Journal of Nuclear Science and Technology)
Yudha Satya Perkasa
Unknown Affiliation
Astronomy Biochemistry, Genetics & Molecular Biology Earth & Planetary Sciences Education Energy Environmental Science Materials Science & Nanotechnology Mechanical Engineering Medicine & Pharmacology Physics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
ESTIMASI DOSIS Tc-99m GLUTATION UNTUK DIAGNOSA KANKER KEPALA DAN LEHER BERDASARKAN UJI BIODISTRIBUSI HEWAN MODEL MENCIT Durotul Intokiyah; Teguh Hafiz Ambar Wibawa; Iswahyudi Iswahyudi; Nur Rahmah Hidayati; Isti Daruwati; Yudha Satya Perkasa
Jurnal Sains dan Teknologi Nuklir Indonesia (Indonesian Journal of Nuclear Science and Technology) Vol 20, No 1 (2019): Februari 2019
Publisher : BATAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (225.399 KB) | DOI: 10.17146/jstni.2019.1.1.4631

Abstract

99mTc-GSH merupakan radiofarmaka untuk mendeteksi kanker leher dan kepala. Kanker kepala dan leher terbentuk pada jaringan atau organ yang terdapat di area kepala dan leher seperti kanker hipofaring, kanker telinga, kanker kelenjar saliva, kanker mata, kanker laring, dan kanker kelenjar tiroid. Glutataion(GSH) memiliki molekul yang kecil sehingga dapat berpenetrasi dengan baik didalam saluran kapiler yang mengalami inflamasi, kanker payudara serta kanker kepala dan tumor. Tujuan dari penelitian ini adalah mengetahui estimasi dosis organ radiofarmaka 99mTc-GSH pada manusia berbasis uji biodistribusi hewan model mencit. Uji kemurnian 99mTc-GSH dilakukan dengan menggunakan kertas kromatografi lapis tipis TLC-SG dengan fase gerak aseton kering dan larutan NaCl 0.9%. Dari hasil uji didapatkan kemurnian radiokimia sebesar 99.60 ± 0.07 %. Penelitian dilakukan pada 4 kelompok mencit dengan tiap kelompok sebanyak 3 ekor mencit. Setelah dilakukan injeksi secara intravena sebanyak 3 μCi/mL dilakukan uji biodistribusi dengan 2, 4, 6 dan 24 jam pasca injeksi dengan organ yang diteliti adalah kulit, otot, tulang, darah, usus, hati, limpa, jantung, ginjal, lambung, paru-paru, kantung kemih, dan otak. Hasil uji bidodistribusi yang diperoleh berbentuk persentase dosis injeksi per gram organ hewan, kemudian dikonversi ke persentase dosis injeksi per gram organ manusia. Hasil konversi digunakan sebagai input pada software OLINDA/EXM, menghasilkan residence time  yang dapat digunakan sebagai basis perhitungan estimasi dosis 99mTc-GSH. Hasil estimasi dosis yang diperoleh adalah dosis efektif  total 1,14x10-3 mSv/MBq untuk pria dan 1.34 x10-3 mSv/MBq untuk wanita. Distribusi dosis organ pada manusia yang terbesar untuk pria adalah dan ginjal 3.05 x10-4  mSv/MBq sedangkan untuk wanita adalah ginjal 3.32 x10-4 mSv/MBq. Hasil estimasi dosis ini dapat digunakan sebagai panduan dosis injeksi, namun perlu dilakukan penelitian lebih lanjut agar didapatkan estimasi dosis yang tepat.
Severity Classification of Non-Proliferative Diabetic Retinopathy Using Support Vector Machine (SVM) Siti Salamah; Khoerun Nisa Syaja'ah; Yudha Satya Perkasa
Jurnal Penelitian Fisika dan Aplikasinya (JPFA) Vol. 12 No. 2 (2022)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jpfa.v12n2.p167-179

Abstract

Diabetic Retinopathy (DR) is an eye disease that is the main cause of blindness in developed countries. Treatment of DR and prevention of blindness depend heavily on regular monitoring, early-stage diagnosis, and timely treatment. Vision loss can be effectively prevented by the automated diagnostic system that assists ophthalmologists who otherwise practice manual lesion detection processes which are tedious and time-consuming. Therefore, the purpose of this research is to design a system that can detect the presence of DR and be able to classify it based on its severity. In this proposed, the classification process is carried out based on image discovery by extracting GLCM texture features from 454 retinal fundus images in the IDRID database which are classified into 4 severity levels, namely normal, mild NPDR, moderate NPDR, and severe NPDR. The features obtained from each image will be used as input for the classification process using SVM. As a result, the classification system that has been trained is able to classify 4 levels of DR severity with an average accuracy of 89.55%, a sensitivity of 81.03%, and a specificity of 92.89%. Based on the results of the evaluation of the performance of this classification system, it can be concluded that the specificity value is higher than the specificity value, this indicates that the system that has been trained has a good ability to identify negative samples or those that indicate a class.
Co-Authors Durotul Intokiyah Isti Daruwati Iswahyudi Iswahyudi Khoerun Nisa Syaja'ah Nur Rahmah Hidayati Siti Salamah Teguh Hafiz Ambar Wibawa