Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKSecara visual, sulit untuk membedakan antara perokok dan bukan perokok bahkan untuk dokter atau dokter gigi yang berpengalaman. Salah satu cara yang paling obyektif untuk mengenali lidah perokok adalah dengan menggunakan alat seperti kamera. Penelitian yang relevan menemukan bahwa kelainan pada permukaan lidah dapat ditangkap oleh kamera HS pada rentang spektrum 650 - 900 nm. Sistem yang diusulkan terdiri dari dua bagian, perangkat keras dan perangkat lunak. Perangkat keras terdiri dari rangka aluminium, slider, sebuah sumber cahaya halogen dan kamera HS dengan rentang spektral antara 400-1000 nm yang terhubung ke komputer. Sistem dilengkapi oleh perangkat lunak pengolah citra hiperspektral yang dirancang untuk mendeteksi lidah perokok. Nilai reflektansi permukaan lidah diekstraksi dari citra lidah responden yang sebelumnya dikoreksi dengan menggunakan referensi citra hiperspektral gelap dan terang. Merata-ratakan data reflektansi spektral disetiap region lidah dilakukan untuk mengubah fitur yang ada menjadi ruang dimensi yang lebih kecil. Principal Component Analysis PCA digunakan untuk menghitung dan memilih subset fitur yang akan digunakan sebagai input oleh pengklasifikasi. Support vector machine SVM digunakan sebagai model klasifikasi citra karena kinerjanya sangat baik untuk memilih separator hyperplane terbaik di antara dua kelas yang berbeda. Sejumlah sampel citra lidah diakuisisi, diolah dan diklasifikasikan sebagai lidah perokok dan bukan perokok oleh sebuah sistem pengukuran hiperspektral. Evaluasi hasil sistem diperiksa menggunkan confusion matriks dengan menjadikan false positive rate FPR , false negative rate FNR , sensitivity dan specificity sebagai parameter kehandalan sistem. Validasi terhadap hasil pengukuran dilakukan menggunakan metode k-fold cross validation dengan rata-rata error klasifikasi SVM sebagai parameter akurasi sistem prediksi. Sistem deteksi perokok untuk mengidentifikasi smoker rsquo;s melanosis ini berhasil mengklasifikasi lidah perokok dan bukan perokok dengan akurasi yang baik.Kata kunci: Hiperspektral, SVM, Fingerprint, Lidah, Perokok.

---

ABSTRACTVisually, it is difficult to diffrentiate between smoker and non smoker tongue even for an experienced doctor or dentist. One of the most objective way to acknowledge the smoker tongue is by using tools such as camera. The relevant research found that lession on tongue surface possible to be captured by hiperspektral camera in spectral range 650 ndash 900 nm. The proposed system contains of two parts, hardware and software. The hardware consists of workbench, slider, a halogen light source and hyperspectral camera with spectral range between 400 1000 nm connected to personal computer. The system complemented with hiperspektral image processing software built up especially to analyse the smoker tongue. The reflectance values of tongue surface was extracted from respondent tongue image that previously corrected using white and dark hiperspektral image references. Averaging all of spectral data have been done to transform the existing features into a lower dimensional space. The principal component analysis PCA was used to compute and select the features subset which will be used as an input by the classifier. The support vector machine SVM classifier is used as image classification model since it perform excellent to choose the best hyperplane separator between two difference classes. A number of samples of the tongue image were acquired, processed and classified as smokers and non smokers tongue by a hyperspectral measurement system. The evaluation of system result is checked using confusion matrix by making false positive rate FPR , false negative rate FNR , sensitivity and specificity as system reliability parameters. Validation of the measurement results was done using k fold cross validation method with average error classification SVM as parameter of system prediction accuration. Smoker detection system to identify smoker rsquo s melanosis is successfully classify the tongue of smokers and non smokers with good accuracy.Keywords Hiperspektral, Reflectance, Smoker, Tongue, Diagnosis, SVM, PCA "

"Sistem klasifikasi citra lidah telah banyak digunakan dalam kepentingan medis dan diagnosis kesehatan. Penelitian ini berfokus pada peningkatan peforma akurasi klasifikasi pada sistem prediksi perokok berdasarkan analisis letak persebaran Smoker Melanosis pada citra lidah. Teknik diagonis lidah yang dibangun adalah metode yang non-invasif serta berbasis pencitraan hiperspektral (HSI). Berbagai pendekatan dan arsitektur Deep Learning  telah diusulkan untuk mengatasi analisis data HSI dan telah mencapai akurasi klasifikasi yang relatif tinggi. Pada penelitian ini, arisitektur Convolutional Neural Network (CNN) dipakai dalam konfigurasi spektral-spasial yang terutama digunakan dengan tujuan ekstraksi fitur dan klasifikasi. Peneliti membuat beberapa arsitektur CNN untuk melakukan beberapa pengujian. Peneliti mengklasifikasikannya sebagai Single CNN dan Hybrid CNN. Pada algoritma Single CNN ada 2 arsitektur yang dibuat  yaitu CNN-Autoencoder dan CNN-Alexnet. Pada algoritma Hybrid CNN ada 2 arsitektur yang dibuat yaitu Proposed Hybrid CNN dengan satu cabang dan Hybrid CNN Resnet18 dengan 8 cabang. Peneliti menguji dampak kernel pada setiap subjek segmentasi yang berbeda dan terlihat bahwa akurasi klasifikasi tertinggi setiap subjek bervariasi terhadap ukuran kernel. Oleh karena itu, model Hybrid-CNN ini diusulkan untuk dapat membuat arsitektur hibrida dan skala konvolusi hibrida. Pada model Proposed Hybrid CNN yang diusulkan, akurasi pada subjek Lateral A bisa mencapai 90,6%, Lateral B mencapai 86,5%, dan Persepsi Dokter mencapai 99,2%. Pada model Hybrid CNN-Resnet18 yang diusulkan, Lateral A bisa mencapai 89,4%, Lateral B mencaapai 84,6%, dan Persepsi Dokter mencapai 97,4%. Secara umum hasil akurasi model yang diusulkan berhasil mencapai peforma yang lebih baik.

---

The tongue image classification system has been widely used in medical interests and health diagnosis. This research emphasizes on improving the performance of classification accuracy in the Smoker prediction system based on the location analysis of the SmokerMelanosis distribution on the tongue image. The tongue diagonalization technique developed is a non-invasive method based on hyperspectral imaging (HSI). Various considerations and architecture In-depth learning have been proposed to overcome the analysis of HSI data and has obtained relatively high classification completion. In this study, the Convolutional Neural Network (CNN) architecture is used in the spectral-spatial configuration used for feature extraction and classification. CNN to do some testing. Researchers classified it as Single CNN and Hybrid CNN. In the Single CNN algorithm, there are 2 architectures created, namely CNN-Autoencoder and CNNAlexnet. In the Hybrid CNN algorithm, there are 2 architectures created, namely Proposed Hybrid CNN with one branch and Hybrid CNN Resnet18 with 8 branches. Learn more about the kernel in each different subject segmentation and look at the kernel classification. Therefore, the Hybrid-CNN model is proposed to be able to make hybrid architecture and hybrid convolution scale. In the approved Proposed Hybrid CNN model, approved on the subject of Lateral A can reach 90,60%, Lateral B reaches 86,5%, and Doctor Perception reaches 99,2%. In the CNN-Resnet18 Hybrid model obtained, Lateral A can reach 89,4%, Lateral B reaches 84,6%, and Doctor Perception reaches 97,4%. In general, the results of the completion of the approved model have achieved better performance. "

"Smoker's melanosis menjadi cara untuk mengetahui seseorang tersebut perokok atau tidak dari area lidah. Smoker’s melanosis adalah berubahnya warna pigmentasi melanin pada mukosa mulut menjadi warna coklat atau hitam. Pendeteksian ini biasanya dilakukan oleh para dokter dengan metode Traditional Chinese Medicine. Namun, pendeteksian ini membutuhkan waktu lama. Penelitian ini bertujuan untuk membuat sistem deteksi lidah seseorang perokok atau tidak dengan implementasi algoritma Deep Learning. Penelitian menggunakan kamera hiperspektral dengan panjang gelombang VNIR untuk merekam citra lidah seseorang dan mengolahnya menjadi suatu informasi yang dapat digunakan untuk sistem ini. Implementasi algoritma dilakukan pada 5 dataset yang berbeda dan didasarkan pada area pengambilan ROI pada lidah seseorang. Algoritma yang diimplementasikan dalam penelitian ini berfokus pada algoritma Deep Learning, yaitu algoritma Convolutional Neural Network (CNN) dengan variasi dua jenis arsitektur, yaitu Autoencoder dan Proposed Architecture. Kedua arsitektur ini dijalankan dengan memvariasikan algoritma pengoptimalan seperti SGDM, Adam, dan RMSProp. Selain itu, penelitian ini membandingkan pula dengan PCA-SVM untuk melihat kinerja dari Machine Learning untuk diimplementasikan dalam data penelitian ini. Proposed Architecture mencapai akurasi sebesar 95% pada algoritma pengoptimalan SGDM dan PCA-SVM yang digunakan mencapai akurasi sebesar 81%. Hasil ini menunjukkan bahwa sistem deteksi lidah perokok dapat bekerja lebih baik dengan pengimpelementasian Deep Learning.

---

Smoker’s melanosis is a way to tell if someone is a smoker or not from the tongue area. Smoker’s melanosis is a brown or black discoloration of the melanin pigmentation in the oral mucosa. This detection is usually carried out by doctors using the Traditional Chinese Medicine method. However, this detection takes a long time. This study aims to create a tongue detection system for someone who smokes or not by implementing the Deep Learning algorithm. This research uses a hyperspectral camera with a VNIR wavelength to record an image of a person’s tongue and process it into information that can be used for this system. Algorithm implementation is carried out on five different datasets and is based on the area of taking the ROI on one’s tongue. The algorithm implemented in this study focuses on the Deep Learning algorithm, namely the Convolutional Neural Network (CNN) algorithm with variations of two types of architecture, namely Autoencoder and Proposed Architecture. Both architectures are executed by varying the optimization algorithms such as SGDM, Adam, and RMSProp. Also, this study also compares with PCA-SVM to see the performance of Machine Learning to be implemented in this research data. Proposed Architecture achieves 95% accuracy in the optimization algorithm SGDM and PCA-SVM, which is used to achieve an accuracy of 81%. These results indicate that the smoker’s tongue detection system can work better with the implementation of Deep Learning."

"Penelitian ini bertujuan untuk memahami bagaimana proses perubahan perilaku merokok dari perokok sosial ke perokok aktif serta mengggali faktor-faktor yang melatarinya. Studi-studi sebelumnya membahas tipe perokok dan karakteristiknya, dan perokok sosial merupakan salah satu dari 8 (delapan) tipe perokok. Tipe perokok bisa dinamis, namun belum banyak studi yang membahas bagaimana perubahan dari satu tipe perokok ke tipe lain serta faktor yang melatarinya. Penelitian ini merupakan penelitian studi kasus pada pemuda (21-24 tahun) yang teridentifikasi bergeser dari perokok sosial ke perokok aktif. Argumentasi studi ini adalah perokok sosial yang menjadi perokok aktif lebih karena terpapar perilaku merokok dari kelompok teman sebaya dan mendapatkan tekanan baik secara langsung (direct peer pressure) ataupun tidak langsung (indirect peer pressure). Temuan penelitian menunjukan bahwa proses perubahan perokok sosial ke perokok aktif dapat terjadi melalui empat tahap yaitu; (1) paparan perilaku merokok; (2) inisiatif perilaku merokok aktif; (3) proses pemantapan diri; dan (4) pengukuhan sebagai perokok aktif. Temuan tentang faktor-faktor terkait, menunjukan bahwa tekanan teman sebaya sebagai faktor eksternal berposisi hanya sebagai pendorong, sedangkan faktor internal merupakan pemicu utama pada proses perubahan perokok sosial ke perokok aktif. Faktor internal yaitu keinginan untuk menghilangkan stres melalui rokok dan rokok untuk menemani aktivitas sehari-hari. Sedangkan faktor eksternal yaitu adanya dorongan, tawaran, tantangan, dan paksaan dari lingkungan pertemanan sebaya.

---

This study aims to understand how the process of changing smoking behavior from social smokers to active smokers and explore the underlying factors. Previous studies discussed the types of smokers and their characteristics, and social smoking is one of the 8 (eight) types of smokers. The type of smoker can be dynamic, but there are not many studies that discuss how the changes from one type of smoker to another and the underlying factors, especially peer pressure. This research is a case study study on youth (21-24 years old) who were identified as shifting from social smokers to active smokers. The argument of this study is that social smokers become active smokers more because they are exposed to smoking behavior from their peer group and get pressure either directly (direct peer pressure) or indirectly (indirect peer pressure). The research findings show that the process of changing social smokers to active smokers can occur through four stages, namely; (1) initial process: exposure to smoking behavior; (2) smoking behavior change initiatives; (3) the self-establishment process; and (4) confirmation as an active smoker. Findings about the underlying factors indicate that there are internal and external factors. External factors according to the argument of the study, namely the existence of peer pressure in the form of encouragement, offers, challenges, and coercion. While internal factors are in the form of a desire to relieve stress through cigarettes and cigarettes to accompany daily activities."

"Tesis ini disusun untuk mengetahui korelasi antara derajat kebiasaan merokok dengan Arus Puncak Batuk, Arus Puncak Ekpirasi dan kekuatan otot kuadriceps pada laki-laki dewasa muda perokok aktif. Penelitian menggunakan desain uji potong lintang (crosssectional). Subjek penelitian merupakan pasien laki-laki keturunan asli Indonesia, perokok tembakau aktif minimal 6 bulan, usia 18-40 tahun, tidak obesitas dan memiliki kekuatan otot ekstremitas bawah dengan penilaian MRC 5 tanpa ada riwayat kelemahan sebelumnya. Semua subjek (n=41) dilakukan penilaian derajat kebiasaan merokok berdasarkan Indeks Brinkman, pengukuran Arus Puncak Batuk (APB) dan Arus Puncak Ekspirasi (APE) dengan Peak Flow Meter serta pengukuran kekuatan otot kuadriceps dengan Hand-held dynamometer sesuai dengan prosedur di Poliklinik Departemen Rehabilitasi Medik RSCM Jakarta. Selain itu, dilakukan pengukuran fungsi respirasi menggunakan Spirometri. Hasil keluaran penelitian ini berupa derajat kebiasaan merokok subjek, yaitu 27 perokok ringan dan 14 perokok sedang, serta didapatkan nilai APE, APB, dan kekuatan otot kuadriceps. Selain itu berdasarkan hasil spirometri didapatkan 3 subjek dengan gangguan obstruksi, 1 subjek gangguan restriktif dan sisanya dalam batas normal. Pada karakteristik pekerjaan, didapatkan terbanyak pada kategori manual (58,5%), diikuti non-manual (24,4%) dan bidang jasa (17,1%). Analisa statistik uji korelasi Spearman dilakukan untuk menilai korelasi antara derajat kebiasaan merokok dengan nilai APB, APE dan kekuatan otot kuadriceps. Kesimpulan penelitian menyatakan bahwa terdapat korelasi bermakna secara statistik antara Indeks Brinkman dengan nilai APE, tapi tidak demikian pada nilai APB dan kekuatan otot kuadriceps. Rerata nilai APE pada subjek dewasa muda perokok ringan dan perokok sedang sebesar 429,76±76,89 L/menit dengan nilai p = 0,026. Sedangkan rerata nilai APB dan kekuatan kuadriceps masing-masing sebesar 445,61±73,38 L/menit dan 19,36±4,28 kg pada kaki kanan, serta 18,92±4,03 kg pada kaki kiri, tanpa ada korelasi yang signifikan. Penelitian lebih lanjut mencakup subjek perokok berat dan faktor level aktivitas fisik serta marker biomolekuler diperlukan untuk menilai dampak merokok terhadap fungsi respirasi dan kekuatan otot.

---

This thesis was aimed to determine correlation between the degree of cigarrette smokers to peak cough flow, peak expiratory flow and quadriceps muscle strength in young adults male active smokers. The design was cross-sectional. The subjects were Indonesian male, actively cigarette smoking for at least 6 months, aged 18-40 years, not obesity and had lower limb muscle strength with MRC value 5 and no history of weakness. All subjects (n=41) were assessed the degree of smoking habits based on the Brinkman Index, measurements of Peak Cough Flow and Peak Expiratory Flow with Peak Flow Meters and measurements of quadriceps muscle strength with a Hand-held dynamometer according to procedures at Polyclinic of the Medical Rehabilitation Department at the RSCM Hospital Jakarta. In addition, the respiratory function measurements were taken using Spirometry. The study results include the degree of smoking habits, 27 subject mild smokers and 14 subject moderate smokers, the value of peak cough flow, peak expiratory flow, and quadriceps muscle strength on both legs. Based on spirometry examination, there are 3 subjects with obstructive, 1 subject restrictive and the others within normal limits. Based on working type, the highest on manual category (58,5%), followed by nonmanual (24,4%) and services (17,1%). Statistical analysis was performed to assess the correlation between Brinkman Index with the three variables. The study concludes that the higher Brinkman Index value, the lower peak expiratory flow value, but not on the peak cough flow and quadriceps muscle strength results. The average peak expiratory flow value in young adult subjects with mild and moderate smokers was 429.76 ± 76.89 L/min with significant difference was obtained with p value = 0.026. While the average peak cough flow and quadriceps muscle strength were 445.61 ± 73.38 L / min and 19.36 ± 4.28 kg in the right leg, and 18.92 ± 4.03 kg in the left leg, with no significant correlation. Further research including heavy smoker subjects, evaluation of physical activity level and biomolecular markers is needed to assess the impact of smoking on respiration function and muscle strength"

"ABSTRAKDiperlukan suatu sistem yang mampu membantu dokter untuk mendiagnosis seorang pasien perokok atau bukan. Smoker rsquo;s melanosis dapat digunakan sebagai salah satu indikator untuk mengetahui seseorang perokok atau bukan. Penelitian ini memfokuskan pada pembangunan suatu sistem identifikasi perokok secara tidak invasif berbasis pencitraan hiperspektral Hyperspectral Imaging . Sistem yang dikembangkan terdiri atas instrumen akuisisi citra lidah perokok dan algoritma pengolahan citra yang menggunakan ciri spektral dan spasial pada rentang Visible and Near-Infrared VNIR . Rerata intensitas piksel pada suatu rentang spasial digunakan sebagai ciri yang merepresentasikan reflektansi relatif pada panjang gelombang 400-1000 nm. Metode PCA digunakan untuk mereduksi dimensi ciri menjadi lima buah ciri representatif. Metode SVM digunakan untuk mengklasifikasikan ciri menjadi informasi piksel Smoker rsquo;s Melanosis SM dan normal. Pengujian dengan menggunakan 45 sampel yg terdiri dari 20 perokok dan 25 nonperokok dilakukan untuk menguji kinerja sistem yang dikembangkan. Berdasarkan hasil pengujian diperoleh nilai akurasi 97.31 , misclassification rate MR 2.69 , false positive rate FPR 0 , false negative rate FNR 5,83 , sensitivity 94.17 , dan specificity 100 . Secara umum, sistem telah bekerja untuk membantu mendiagnosis seorang perokok.

---

ABSTRACTsystem which could help a doctor to diagnose patient who is smoker or not smoker is needed. Smoker 39 s melanosis could be used as one of indicator to identify someone is a smoker or not. This study focuses on the development of a non invasive system of smoker identification based on hyperspectral imaging. The developed system consists of smoker 39 s image acquisition instrument and image processing algorithm using spectral and spatial characteristics in the Visible and Near Infrared VNIR range. The average pixel intensity at a spatial range is used as a feature that represents the relative reflectance at the wavelength of 400 1000 nm. The PCA method is used to reduce the dimensions features into five representative features. The SVM method is used to classify the feature into Smoker 39 s Melanosis SM and normal pixel information. This experiment was using 45 samples consisting of 20 smokers and 25 nonsmokers. It were perfomed to test the performance of the developed system. The results show that the accuracy is 97.31 , misclassification rate MR is 2.69 , false positive rate FPR is 0 , false negative rate FNR is 5,83 , sensitivity is 94.17 , and specificity is 100 . In general, the system has worked to help diagnose a smoker."

"Tumor lidah merupakan pertumbuhan sel kanker rongga mulut yang menjangkit pada jaringan lidah yang ditandai sehingga merusak fungsi lidah. Tanda gejala kanker lidah ditunjukkan dengan status kesehatan oral yang memburuk dimana timbul benjolan di lidah, sariawan yang disertai dengan sakit tenggorokan kronik, kehilangan fungsi menelan, serta muncul bercak warna merah atau putih pada lidah. Salah satu intervensi keperawatan mandiri berbasis bukti dalam meningkatakn status kesehatan oral pada pasien kanker lidah yaitu melakukan kebersihan mulut dengan kumur larutan teh hijau. Teh hijau berasal dari tanaman Camellia sinensis yang diketahui mengandung polifenol & katekin yang memiliki sifat antioksidan, antiinflamasi, antitumor, dan antimikroba untuk mengendalikan kerusakan mulut, periodontitis kronis, karies gigi, dan kanker mulut. Berkumur dengan secara rutin dengan teh hijau telah terbukti dapat meningkatkan serta mempertahankan status kesehatan mulut pada pasien kanker rongga mulut.

---

Tongue tumors are the growth of oral cancer cells that infect the tongue tissue, thereby damaging the function of the tongue. Symptoms of tongue cancer are indicated by worsening oral health status where lumps appear on the tongue, mucositis accompanied by chronic sore throat, dysphagia, and red or white spots appearing on the tongue. Nurisng intervention based on evidance to improve oral health status in tongue cancer patients is carrying out oral hygiene by gargling with green tea solution. Green tea comes from the Camellia sinensis plant which is known to contain polyphenols & catechins which have antioxidant, anti-inflammatory, antitumor and antimicrobial to control oral decay, chronic periodontitis, dental caries and oral cancer. Routine gargling with green tea has been proven to improve and maintain oral health status in oral cancer patients."

"Pemilihan topik "fissured tongue" untuk penelitian adalah karena pada dasarnya masyarakat masih awam tentang kelainan ini sehingga sering mereka datang dengan keluhan ada celah-celah pada lidahnya yen disertai rasa pedih dan panas, bahkan juga suatu 'cancer phobi'. Oleh karena itu kami tergerak untuk meneliti tersebut dan membatasi pada anak Panti asuhan se Jakarta Pusat.Tujuan umum penelitian ini adalah untuk mengetahui prevalensi 'fissured tongue' didalam masyarakat Indonesia serta faktor-faktor yang mempengaruhi terjadinya kelainan ini. Tujuan khusus adalah untuk mengetahui prosentasi 'fissured tongue' pada anak Panti Asuhan se Jakarta Pusat, perbedaan prosentasinya pada anak laki-laki dan perempuan serta distribusi 'fissured tongue' berdasarkan lokasi dan dalamnya fissura."

"The aim is to establish the feasibility to image in vivo microscopic dental surface by non-invasive, real-time, en face Reflectance Confocal Microscopy (RCM). Fifteen healthy volunteers referred at the Multidisciplinary Department of Medical-Surgical and Odontostomatological Specialties, Second University of Naples, Naples, Italy, were enrolled. A commercially available hand-held RCM (Vivascope®3000, Lucid, Rochester, NY, USA) was used to image in vivo the dental surface of the upper right and left central incisors of each volunteer. Totally, thirty vestibular surfaces of upper central incisors were imaged in vivo by RCM to preliminary image the dental surface and assess the feasibility of a more extended study on teeth. In vivo RCM was able to image the dental surface within the enamel, at a maximum depth imaging of 300 μm, with images good in quality and the capability to detect enamel structures such as enamel lamellae and enamel damages, such as unevenness and cracks. In conclusion, enamel “optical biopsy”, gained by RCM imaging, revealed to be a non-invasive real-time tool valid to obtain architectural details of the dental surface with no need for extraction or processing the samples. RCM appears to be an optimum auxiliary device for investigating the architectural pattern of superficial enamel, therefore inviting further experiments aimed to define our knowledge about damages after etching treatments or bracket removal and the responsiveness to fluoride seals and the morphology of the tooth/restoration interface. Moreover, this device could also be used to detect relevant diseases like caries, or to assess surface properties to evaluate lesion activity."

"ABSTRAKKanker paru merupakan salah satu jenis kanker yang paling membunuh di dunia, dengan 1,8 juta kasus dan 1,59 juta kematian pada tahun 2012. Proporsinya pun lebih banyak pada laki-laki. Walaupun rokok adalah faktor penyebab utama kanker paru, sekitar 25 kasus kanker paru di dunia tidak disebabkan oleh perilaku merokok. Di Asia Tenggara sendiri, diperkirakan sekitar 50 kejadian kanker paru terjadi pada bukan perokok. Penelitian ini berusaha mencari tahu faktor-faktor risiko kanker paru pada laki-laki bukan perokok. Studi kasus-kontrol dilakukan dengan melibatkan 45 subjek: 27 subjek kelompok kasus dan 18 subjek kelompok kontrol. Hasil uji bivariat menunjukkan adanya hubungan antara environmental tobacco smoke ETS OR=6,914; CI 1,78-26,853 dan riwayat kanker pada keluarga OR=8,5;CI 0,971 ndash; 74,424 dengan kejadian kanker paru pada laki-laki bukan perokok. Analisis multivariate menunjukkan adanya hubungan dengan peningkatan risiko kanker paru baik faktor ETS maupun riwayat kanker pada keluarga, dengan ETS menjadi faktor yang paling berpengaruh dimana individu yang terekspos pada ETS memiliki kemungkinan 8,479 kali lebih besar berisiko kanker paru dibandingkan yang tidak.

---

ABSTRACTLung cancer is one of world rsquo s deadliest cancer, with 1,8 million new cases and 1,59 million deaths caused by lung cancer in 2012. Lung cancer is also known to be more prevalent in males than in females. Although active smoking is already known to have causative relationship with lung cancer, about 25 of lung cancer cases worldwide are not associated with active smoking. In Southeast Asia, approximately 50 of lung cancer cases are thought to have nothing to do with active smoking. This study was aimed to find the risk factors of lung cancer in male never smokers. This study is a case control study with 45 subjects in total 27 with lung cancer and 18 with no lung cancer. Results from bivariate analysis showed that environmental tobacco smoke ETS OR 6,914 CI 1,78 26,853 and family history of cancer OR 8,5 CI 0,971 ndash 74,424 were associated with increased risk in lung cancer in male never smokers. Multivariate analysis showed both ETS and family history of lung cancer were associated with risk of lung cancer in male never smokers, with ETS being the most associated factor having individuals with expousure to ETS to have 8,479 more likely odds of developing lung cancer."