Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRACTBackground: the use of bioelectrical impedance analysis (BIA) is affected by the population setting, the type of BIA, and the cut-off point being used. The aim of this study was to determine the diagnostic performance of BIA to measure muscle mass in Indonesian elderly outpatients aged 60 years or more. Methods: a cross-sectional study was conducted at the Geriatric Clinic of Cipto Mangunkusumo Hospital from April to June 2018. The muscle mass was measured using BIA Tanita MC-780MA (Tokyo, Japan) with dual-energy x-ray absorptiometry (DXA) as the reference test. Analysis on the cut-off point was performed based on the Asian Working Group of Sarcopenia (AWGS) criteria and the new cut-off point. Results: from 120 subjects, 74 were female (61.7%). The diagnostic performance of BIA based on AWGS criteria only showed sensitivity and specificity of 79.2% and 66.7%. The diagnostic performance of BIA based on the new cut-off point showed sensitivity and specificity of 75% and 92.7%. The new cut-off point using BIA was found to be <6.9 kg/m2 in males (sensitivity 70.6%; specificity 82.8%) and <5 kg/m2 in females (sensitivity 85.7%; specificity 97%). Conclusion: the diagnostic performance of BIA Tanita MC-780MA (Tokyo, Japan) was good to measure muscle mass in Indonesian elderly outpatients using a new cut-off point of <6.9 kg/m2 for males and <5 kg/m2 for females."

"Latar Belakang: Obesitas merupakan masalah kesehatan utama yang ditemui di berbagai negara. Massa lemak tubuh bagian atas (regio abdominal/android) berhubungan dengan profil kardiometabolik yang buruk sedangkan massa lemak tubuh bagian bawah (regio glutefemoral/gynoid) merupakan faktor protektif. Nilai rasio lemak android/gynoid (rasio A/G) yang didapatkan dari dual energy x-ray absorptiometry (DXA) merupakan prediktor parameter risiko kardiovaskular. Ultrasonografi (USG) merupakan modalitas yang menjanjikan untuk evaluasi komposisi tubuh serta memiliki korelasi yang sangat baik dengan DXA dalam memprediksi massa lemak tubuh total. Namun belum terdapat studi yang menggunakan USG untuk memperkirakan rasio A/G menurut DXA. Tujuan: Mengetahui korelasi antara tebal lemak subkutis dan viseral yang diukur dengan USG di regio abdominal serta gluteofemoral dan rasio A/G yang diukur dengan DXA. Metode: Sebanyak 28 subjek penelitian dilakukan pemeriksaan DXA untuk menilai rasio A/G. Kemudian subjek menjalani pemeriksaan USG untuk menentukan tebal lemak regio abdominal dan gluteofemoral pada hari yang sama atau maksimal tujuh hari setelah pemeriksaan DXA. Dilakukan analisis korelasi rasio A/G dengan tebal lemak subkutis dan viseral regio abdominal serta tebal lemak subkutis regio gluteofemoral. Setelah itu dilanjutkan dengan mencari formula regresi linear serta formula regresi multipel untuk mencari nilai rasio A/G berdasarkan tebal lemak pada pemeriksaan USG. Hasil: Pada jenis kelamin perempuan didapatkan korelasi kuat antara tebal lemak subkutis regio abdominal (R = 0,82 ; p = 0,000), krista iliaka (R = 0,77 ; p = 0,001), abdominal atas (R = 0,80 ; p = 0,001), dan abdominal bawah (R = 0,85 ; p = 0,000) dengan rasio A/G. Korelasi sedang didapatkan antara tebal lemak subkutis di regio supraspinale (ρ = 0,62 ; p = 0,017) dan erector spinae (ρ = 0,54 ; p = 0,049), serta tebal lemak viseral abdominal di pertengahan garis xipho-umbilikal (R = 0,66 ; p = 0,011), dan 5 cm di atas umbilikal (R = 0,55 ; p = 0,041) dengan rasio A/G. Analisis multivariat kelompok jenis kelamin perempuan menghasilkan formula rasio A/G = 0,295 - 0,019(tebal lemak subkutis abdominal atas) + 0,024(tebal lemak subkutis abdominal bawah) + 0,006(tebal lemak viseral abdomen di pertengahan xipho-umbilikal) dengan nilai koefisien determinasi (R2) = 0,823. Kesimpulan: Pada jenis kelamin perempuan, semakin tebal lemak subkutis dan viseral regio abdominal, semakin besar rasio A/G. Pada jenis kelamin perempuan, tebal lemak subkutis di regio abdominal atas, tebal lemak subkutis di regio abdominal bawah, dan tebal lemak intraabdominal di pertengahan garis xipho-umbilikal dapat digunakan untuk memprediksi rasio A/G jika tidak terdapat sarana pemeriksaan DXA......Background: Obesity is a major health problem that is encountered in various countries. Upper body fat mass (abdominal / android region) is associated with a poor cardiometabolic profile while lower body fat mass (glutefemoral / gynoid region) is a protective factor. The value of the android / gynoid fat ratio (A/G ratio) obtained from dual energy x-ray absorptiometry (DXA) is a predictor of cardiovascular risk parameters. Ultrasonography (US) is a promising modality for evaluation of body composition and has a very good correlation with DXA in predicting total body fat mass. However, there are no studies using ultrasound to estimate the A/G ratio according to DXA. Purpose: Knowing the correlation between the thickness of the subcutanoeus and visceral fat as measured by ultrasound in the abdominal and gluteofemoral regions and the A / G ratio as measured by DXA. Methods: A total of 28 subjects completed DXA examinations to assess the A/G ratio. Then the subject underwent US examination to determine the fat thickness in abdominal and gluteofemoral region on the same day or maximum of seven days after the DXA examination. Correlation analysis was performed between A/G ratio and the thickness of the subcutaneous and visceral fat in the abdominal region, and subcutaneous fat thickness in the gluteofemoral region. We also find linear regression formulas and multiple regression formulas to find the A/G ratio value based on the thickness of fat on ultrasound examination. Result: female group showed a strong correlation between the thickness of the subcutaneous fat in the abdominal region (R = 0.82; p = 0.000), iliac crest (R = 0.77; p = 0.001), upper abdominal (R = 0.80; p = 0.001), and lower abdominal (R = 0.85; p = 0.000) with A/G ratio. A moderate correlation was obtained between the thickness of the subcutaneous fat in the supraspinale region (ρ = 0.62; p = 0.017), erector spinae (ρ = 0.54; p = 0.049), and the thickness of the abdominal visceral fat in the middle of the xipho-umbilical line (R = 0.66; p = 0.011), and 5 cm above umbilical (R = 0.55; p = 0.041) with A/G ratio. Multivariate analysis of the female group resulted in the formula: A/G ratio = 0.295 - 0.019 (thickness of upper abdominal subcutaneous fat) + 0.024 (thickness of lower abdominal subcutaneous fat) + 0.006 (thickness of abdominal visceral fat in the middle of xipho-umbilical) with a coefficient of determination (R2) = 0.823. Conclusion: In female group, the thicker the subcutaneous and visceral fat in the abdominal region, the greater the A/G ratio. For female group, the thickness of the subcutaneous fat in the upper abdominal region, the thickness of the subcutaneous fat in the lower abdominal region, and the thickness of the intraabdominal fat in the middle of the xipho-umbilical line can be used to predict the A/G ratio if DXA is not available."

"Tujuan: Meningkatkan peranan ultrasonografi sebagai alternatif Dual Energy X-Ray Absorptiometry (DXA) dalam menilai persentase lemak tubuh total secara akurat.Metode: Dari April hingga September 2020, terdapat 28 pasien dewasa (14 laki-laki, 14 perempuan) yang menjalankan pemeriksaan DXA untuk menilai persentase lemak tubuh total (%LT total) dan pemeriksaan ultrasonografi untuk mengukur tebal lemak subkutis (TLS) pada beberapa lokasi tubuh. Dilakukan uji korelasi antara TLS pada beberapa lokasi tubuh menggunakan ultrasonografi serta data antropometri (IMT, lingkar pinggang, lingkar paha tengah) dengan %LT total berdasarkan DXA pada kedua jenis kelamin. Selanjutnya, variabel yang memiliki korelasi kuat dipilih untuk dimasukkan dalam analisis regresi multipel untuk mendapatkan formula regresi untuk memprediksi %LT total pada masing-masing jenis kelamin.Hasil: Formula prediksi terbaik untuk menentukan %LT total pada laki-laki adalah %LT total = 13,7 + 5,5(TLS triceps) + 10,0(TLS paha depan); R2 0,91, sedangkan pada perempuan adalah %LT total = - 1,73 + 1,07(IMT) + 10,30(TLS paha depan); R2 0,88Kesimpulan: Pemeriksaan TLS menggunakan ultrasonografi dikombinasikan dengan pengukuran antropometri dapat direkomendasikan untuk memperkirakan %LT total secara akurat dengan formula yang berbeda pada kelompok laki-laki dan kelompok perempuan.

---

Objective: To improve the use of ultrasonography as an alternative way to Dual Energy X-Ray Absorptiometry (DXA) in assesing total body fat percentage (%BF) accurately.

Methods: From April to September 2020, there were 28 adult patients (14 male, 14 female) underwent DXA examination to assess %BF and ultrasonography examination to measure subcutaneous fat thickness (SFT) at multiple sites. Correlation test was conducted between SFT sites using ultrasonography and anthropometric data (BMI, waist circumference, mid-thigh circumference) with %BF based on DXA in both genders. Furthermore, variables that had strong correlation were selected to be included in the multiple regression analysis in order to obtain a regression formula to predict the %BF for each gender.

Results: The best predictive formula to determine %BF for male is %BF = 13,7 + 5,5(SFT triceps) + 10,0(SFT quads); R2 0,91, while for female is %BF = - 1,73 + 1,07(BMI) + 10,30(SFT quads); R2 0,88. Conclusions: SFT examination using ultrasonography that is combined with anthropometric measurements can be recommended to estimate %BF accurately with different formulas in the male and female group."

"Telah dilakukan studi retrospektif dengan desain cross-sectional pada 316 wanita pascamenopause. Subyek yang diteliti berasal dari semua wanita pascamenopause yang berkunjung ke Poliklinik Orthopaedi I Poliklinik Penyakit Dalam I Poliklinik Obstetri dan Ginekologi FKUI I RSUPNCM, dan Klinik I Rumah Sakit luar, yang dirujuk atau datang langsung ke Klinik Konsultasi Laboratorium Makmal Terpadu lmunoendokrinologi (LMTl) Obstetri dan Ginekologi FKUI / RSUPNCM antara Mei 1995 hingga Juli 1997. Data yang diolah, diambil dari arsip dokumen medik yang ada Pengumpulan data dilakukan secara consecutive sampling dengan menerapkan kriteria penerimaan. Data-data yang dikumpulkan meliputi umur, berat badan, awitan menopause, kadar estrogen, paritas, dan kandungan mineral tulang belakang, leher femur, trokhanter femur, ward triangle femur, dan radius distal. Dilakukan analisis univariat dan bivariat yaitu dengan melihat nilai rerata dan simpang baku kelima lokasi pemeriksaan, melihat ada I tidaknya korelasi diantara hasil pemeriksaan densitas mineral tulang, dan melihat hubungan antara densitas mineral tulang dengan variabel tersebut. Nilai-nilai rerata untuk umUf 59.14 tahun ( 43 - 88 tahun ), herat barlan 58,99 kg ( 35,0 - 99 kg ), awitan menopause 49,15 tahun ( 35 - 66 tahun ), paritas 4,85 kali (0 - 13 kali) dan kadar estrogen 17,36 pgiml « 0,01 - 98,90 pgiml ). Terlihat nilai densitas mineral tulang yang cenderung menurun pada semua lokasi pemeriksaan. Kesimpulan : Tetjadi Iaju penurunan kandungan mineral tulang menurut perubahan umur pada wanita pascamenopause. Osteopenia lebih dulu tampak pada tulang radius distal dan ward triangle femur « 50 tahun ), selanjutnya berturut-turut pada tulang belakang ( 50 - 59 tahun ), leher femur dan trokhanter femur ( 60 - 69 tahun ). Osteoporosis lebih dulu tampak pada tulang radius distal ( 50 - 59 tahun ), selanjutnya berturut-turut pada ward triangle femur ( 60 - 69 tahun ), tulang belakang ( 70 - 79 tahun ), leher femur dan trokhanter femur ( 80 tahun keatas ). Umur, berat badan, awitan menopause, dan paritas merupakan variabel yang memiliki korelasi secara bermakna dengan kandungan mineral tulang pada wanita pascamenopause."

"Karsinoma hepatoselular (KHS) masih menjadi masalah utama di seluruh dunia, terutama dalam hal diagnosis dan penatalaksanaannya. Penelitian terdahulu menyatakan bahwa Alpha-1 acid glycoprotein (AAG) merupakan biomarker potensial dalam mendiagnosis KHS. Penelitian ini akan mengkaji nilai titik potong terbaik AAG sebagai biomarker diagnostik KHS dengan sirosis hati.Penelitian ini merupakan studi diagnostik dengan desain potong lintang. Subjek penelitian ini adalah pasien KHS dengan sirosis hati, sebagai kontrol pasien sirosis hati saja. Baku emas yang digunakan adalah USG abdomen dan CT scan abdomen degan kontras 3 fase, bila perlu dilakukan biopsi hati. Semua subjek diperiksa AAG, kemudian dianalisis dengan ROC dan dikaji beberapa titik potongnya.Subjek terdiri dari 25 pasien KHS dengan sirosis hati dan 37 pasien sirosis hati sebagai kontrol. Dari seluruh pasien KHS dengan sirosis hati, 92% laki-laki, 8% perempuan, sebagian besar berusia diatas 50 tahun (72%). Etiologi terbanyak adalah infeksi HBV (56%) dan sebagian besar dijumpai nodul multiple (80%). Dengan menggunakan ROC, didapatkan AUC sebesar 81,44%. Titik potong terbaik untuk mulai mewaspadai KHS dengan sirosis hati adalah 61 mg/dl dan untuk diagnostik adalah 136 mg/dl.

---

Hepatocellular carcinoma (HCC) remains a major problem throughout the word, especially in diagnostic and management of therapy. Previous study stating that Alpha-1 acid glycoprotein (AAG) was a potensial biomarker in diagnostic of HCC. This study will assess the best cut-off value of AAG as a diagnostic biomarker of HCC with liver cirrhosis

This study was a diagnostic study with a cross-sectional design. The subjects were HCC with liver cirrhosis patients and as a control were liver cirrhosis patients. The abdominal ultrasound, the abdominal 3 phase contrast CT scan and liver biopsy (if necessary) were the gold standard in this study. All subject were examined AAG, then analyzed by ROC curve and assess of some cut-off value.

Subject consisted of 25 HCC with liver cirrhosis patients and 37 liver cirrhosis patients as a control. HCC with liver cirrhosis patients were 92% of men and 8% of woman. Most of subjects were over 50 years old (72%). HBV infection was the most etiology and found multiple nodul in the liver (80%). ROC curve evaluation showed, the AUC value were 81,44%. From this study, the best cut-off value to be aware of HCC with liver cirrhosis patient was 61 mg/dl and as a diagnostic was 136 mg/dl."

"ABSTRACTBackground: sarcopenia is one of many geriatric problems that may lead to major clinical outcomes. Calf and thigh circumference have good correlation with muscle mass, whereas SARC-F questionnaire is very predictive of muscle function. There has not been a study that evaluates the diagnostic performance of calf and thigh circumference in combination with SARC-F questionnaire in detecting sarcopenia. The aim of this study was to investigate the diagnostic performance of calf and thigh circumference in combination with SARC-F questionnaire compared to standard diagnostic methods of sarcopenia according to the Asian Working Group for Sarcopenia (AWGS) to predict sarcopenia in patient aged 60 years or older. METHODS: this cross-sectional study was conducted in Geriatric Clinic Cipto Mangunkusumo Hospital, Jakarta, Indonesia during April-June 2018. Analysis was performed using receiver operating characteristic (ROC) curve to determine the cut-off point as well as sensitivity (Sn), specificity (Sp), positive and negative predictive value (PPV and NPV), positive and negative likelihood ratio (LR+ and LR-) of calf and thigh circumference as an indicator of low muscle mass, and SARC-F questionnaire score to detect decreased muscle function. RESULTS: from 120 participants, there were 46 men (38.3%) and 74 women (61.7%). The combination of calf circumference with cut-off point below 34 cm in men and below 29 cm in women, thigh circumference below 49 cm in men and below 44 cm in women with SARC-F questionnaire score of ≥4 have Sn, Sp, PPV, NPV, LR+, and LR- of 15.79%; 99.01%; 75.00%; 86.21%; 15.95; and 0.85 respectively. CONCLUSION: combination of calf and thigh circumference with SARC-F questionnaire showed good diagnostic accuracy in predicting sarcopenia in elderly outpatients."

"Latar Belakang: Sarkopenia merupakan salah satu sindrom geriatri yang dapat menyebabkan luaran yang buruk. Dibutuhkan pemeriksaan yang lebih sederhana dibandingkan Bioelectrical Impedance Analysis (BIA) atau Dual energy X- ray Absorptiometry (DXA) untuk mengukur massa otot sebagai komponen penting sarkopenia. Namun, belum ada studi di Indonesia yang meneliti perannya dalam memprediksi massa otot pada pasien usia 60 tahun atau lebih. Tujuan: Mengetahui performa diagnostik lingkar betis untuk estimasi massa otot sebagai komponen sarkopenia pada pasien usia 60 tahun atau lebih. Metode: Penelitian ini merupakan suatu uji diagnostik menggunakan desain uji potong lintang yang dilakukan di poliklinik geriatri Departemen Ilmu Penyakit Dalam FKUI-RSCM selama bulan April-Juni 2018. Pengukuran massa otot menggunakan DXA dan penentuan titik potong berdasarkan Asian Working Group of Sarcopenia (AWGS). Hasil: Dari 120 subjek didapatkan 46 lelaki (38,3%) dan 74 perempuan (61,7%). Didapatkan titik potong lingkar betis kelompok lelaki dibawah 34 cm (sensitivitas 64.7%, spesifitas 79.3%, NDP 64.7%, NDN 79.3%, AUC 73.1%) dan 29 cm untuk perempuan (sensitivitas 71.4%, spesifitas 95.5%, NDP 62.5%, NDN 97.0%, AUC 96.4%). Simpulan: Akurasi diagnostik lingkar betis cukup baik sebagai prediktor massa otot pada pasien perempuan usia 60 tahun atau lebih.

---

Background: Sarcopenia is one of the geriatric syndromes that lead to poor outcomes. A simpler method than Bioelectrical Impedance Analysis (BIA) or Dual energy X- ray Absorptiometry (DXA) is needed to measure muscle mass as essential component of sarcopenia. Previous studies have shown calf circumference (CC) as surrogate marker of muscle mass. However there has been no study on the role of CC in predicting muscle mass in both gender of elderly outpatient. Objectives: To investigate the diagnostic performance of CC to estimate muscle mass in elderly outpatient. Methods: A cross sectional study was conducted at Geriatric Outpatient Clinic of Cipto Mangunkusumo Hospital Jakarta during April-June 2018, using DXA as a reference test for measuring muscle mass. Asian Working Group of Sarcopenia (AWGS) criteria was used to classify muscle mass as normal or low. Results: Of the 120 subjects, 46 subjects were male (38.3%) and 74 were female (61.7%).The optimal Cut-off for CC that indicate low muscle mass was 34 cm for (sensitivity 64.7%, specificity 79.3%, PPV 64.7%, NPV 79.3%, AUC 73.1%) and 29 cm for female (sensitivity 71.4%, specificity 95.5%, PPV 62.5%, NPV 97.0%, AUC 96.4%). Conclusion: CC can be used to estimate muscle mass in female elderly outpatient, with good diagnostic performance."

"Nilai titik potong lingkar lengan atas (LiLA) untuk diagnosis gizi buruk berdasarkan WHO adalah 11,5 cm. Nilai titik potong ini dinilai kurang sensitif dalam menjaring kasus gizi buruk pada balita. Berbagai nilai titik potong LiLA baru diusulkan dengan nilai diagnostik yang lebih baik namun memiliki interval yang lebar, 12 cm-14,1 cm. Saat penelitian ini dilakukan belum ada data mengenai evaluasi nilai titik potong LiLA 11,5 cm dalam diagnosis gizi buruk pada balita di Indonesia. Diperlukan penelitian untuk mengevaluasi nilai diagnostik LiLA dalam diagnosis gizi buruk dan mencari titik potong yang paling optimal pada balita Indonesia. Penelitian ini bertujuan untuk mengetahui nilai diagnostik LiLA dibandingkan dengan indeks BB/TB dalam diagnosis gizi buruk pada balita, mengetahui sensitivitas, spesifisitas, nilai duga positif, nilai duga negatif nilai titik potong LiLA < 11,5 cm dalam diagnosis gizi buruk dan mencari rekomendasi nilai titik potong LiLA yang memiliki nilai diagnostik yang lebih baik untuk skrining balita dengan gizi buruk. Pengambilan subyek penelitian pada studi diagnostik ini dilakukan secara konsekutif pada bulan Januari-Februari 2020 di RSCM dan Puskesmas Cengkareng Jakarta Barat. Penelitian ini melibatkan 421 subyek. Data dasar, jenis kelamin, usia didapatkan melalui wawancara singkat. Pengukuran antropometri berupa berat badan, tinggi badan/panjang badan dan lingkar lengan atas dilakukan oleh peneliti/asisten peneliti yang memiliki realibilitas pengukuran yang baik. LiLA memiliki nilai diagnostik yang tinggi ditandai dengan AUC 0,939 (CI95% 0,903-0,974). Nilai diagnostik LiLA dengan titik potong 11,5 cm memiliki sensitivitas yang rendah. Nilai diagnostik LiLA dengan nilai titik potong 11,5 cm: Se 21% Sp 99,7% NDP 80%, NDN 96%, IY 0,2. Nilai titik potong LiLA 13,3 cm memberikan hasil terbaik dalam identifikasi gizi buruk dengan Se 89%, Sp 87%, NDP 25%, NDN 99% dan IY 0,76. Nilai titik potong LiLA 11,5 cm untuk kasus gizi buruk memiliki sensitivitas yang rendah dan sebaiknya tidak digunakan dalam upaya skrining kasus gizi buruk di masyarakat. Nilai titik potong LiLA 13,3 cm memberikan nilai diagnostik yang lebih baik dalam upaya skrining gizi buruk pada balita usia 6-59 bulan.

---

World Health Organization recommends 11,5 cm as cut off value of mid-upper arm circumference (MUAC) to diagnose severe acute malnutrition (SAM) in under-five. Many studies indicate that the recommended cut off value is not sensitive to screen severe acute malnutrition cases. Various new cut off values have been proposed with very wide interval, 12-14.1 cm. When this study started there was no available data regarding diagnostic value of MUAC in diagnosing severe acute malnutrition in under-five in Indonesia. Aims of this study are to evaluate diagnostic value of MUAC in diagnosing SAM compare to WHZ index, to evaluate sensitivity, specificity, positive prediction value, negative prediction value of MUAC with 11,5 cm as standard cut off in diagnosing SAM and to find alternative cut off value that may offer better diagnostic performance. This diagnostic study recruits subjects consecutively in January-February 2020 in Cipto Mangunkusumo hospital and Puskesmas Cengkareng. We collected 421 subjects. Demographic data was obtained by using brief conversation. Physical examination and anthropometric measurement were performed by researcher and research assistant that had been trained, evaluated and proven to have excellence reliability. In general, MUAC has excellent diagnostic value to assess SAM in under-five with AUC 0,939 (CI95% 0,903-0,974). The recommended cut off value has low sensitivity. Proportion SAM using WHZ index and MUAC < 11,5 cm are 4,5% and 1,2%. Diagnostic values MUAC using cut off 11,5 cm are Se 21%, Sp 99,7%, PPV 80%, NPV 96% and YI 0,2. By using 13.3 cm as new cut off value, MUAC will have Se 89%, Sp 87%, PPV 25%, NPV 99% and YI 0,76. We conclude that MUAC using 11,5 cm has low sensitivity to detect SAM cases in population, therefore should not be implemented in the community for screening SAM cases. The new cut of value 13,3 cm has better diagnostic value to screen SAM cases in under-fives."

"Corona Virus Disease atau COVID-19 merupakan sebuah wabah yang ditemukan pada akhir tahun 2019 di provinsi Wuhan, China, yang kemudian menyebar ke seluruh dunia. Reverse Transcription Polymerase Chain Reaction (RT-PCR) kemudian digunakan sebagai metode diagnosa COVID-19. Namun metode RT-PCR memerlukan waktu yang lama dalam proses diagnosa sehingga American College of Radiography (ACR) merekomendasi penggunaan alat radiografi seperti Computed Tomography Scan (CT- Scan) dan X-ray sebagai metode tambahan dalam mendiagnosa COVID-19. X-ray kemudian dipilih sebagai metode tambahan dalam mendiagnosa COVID-19 karena alat yang digunakan lebih fleksibel dan sudah tersebar luas di berbagai klinik kesehatan. Pada penelitian ini, penulis menggunakan pendekatan neural network yaitu Convolutional Neural Network (CNN) untuk metode Deep Feature Extraction dan metode klasifikasi klasik dalam membuat model yang dapat mengklasifikasi paru-paru normal, terjangkit COVID-19, dan pneumonia berdasarkan data citra X-ray. Arsitektur CNN yang digunakan dalam penelitian ini adalah ResNet-50 dan metode klasifikasi klasik yang digunakan adalah Support Vector Machine (SVM), Random forest, K-Nearest Neighbor (KNN), dan Extreme Gradient Boosting (XGBoost). Dataset yang digunakan dalam penelitian ini adalah COVID-19 Image Data Collection oleh J. P. Cohen, ChestX-Ray8 Dataset oleh National Institute of Health, dan Chest X-ray Dataset oleh Mendeley Data. Selanjutnya, model dilatih menggunakan ResNet-50 untuk proses ekstraksi fitur dari fully connected layer. Kemudian, vektor fitur dari fully connected layer diklasifikasi menggunakan metode klasifikasi klasik SVM, Random forest, KNN, dan XGBoost. Berdasarkan hasil simulasi, diketahui akurasi terbaik didapatkan oleh kombinasi antara ResNet-50 dan SVM dengan 94,22%. Recall terbaik didapatkan oleh kombinasi antara ResNet-50 dan KNN dengan 94%. Precision terbaik didapatkan oleh ResNet-50 dengan 94,36%. Running time terbaik didapatkan oleh ResNet-50 dengan 0,0006 detik.

---

Corona Virus Disease or COVID-19 is an outbreak that was discovered at the end of 2019 in the province of Wuhan, China, which then spread throughout the world. Reverse Transcription Polymerase Chain Reaction (RT-PCR) was then used as a method of diagnosing COVID-19. However, the RT-PCR method requires a long time in the diagnostic process so the American College of Radiography (ACR) recommends the use of radiographic tools such as Computed Tomography Scan (CT-Scan) and X-ray as additional methods in diagnosing COVID-19. X-ray was then chosen as an additional method in diagnosing COVID-19 because the tool used is more flexible and is already widespread in various health clinics. In this study, the author uses a neural network approach, namely the Convolutional Neural Network (CNN) for the Deep Feature Extraction method and the Machine Learning approach for the classification method in making a model that can classify normal lungs, infected with COVID-19, and pneumonia based on X-ray image. The CNN architecture used in this study is ResNet-50 and the Classifier used is Support Vector Machine (SVM), Random forest, K-Nearest Neighbor (KNN), and Extreme Gradient Boosting (XGBoost). The datasets used in this study were the COVID-19 Image Data Collection by J. P. Cohen, the ChestX-Ray8 Dataset by the National Institute of Health, and the Chest X-ray Dataset by Mendeley Data. The model was then trained using the CNN method with the ResNet-50 architecture. Furthermore, the fully connected layer in the ResNet-50 architecture was replaced using the SVM, Random forest, KNN, and XGBoost classifiers. Based on the simulation results, the best accuracy is obtained by combination of ResNet-50 and SVM with 94.22%. The best recall was obtained by a combination of ResNet-50 and KNN with 94%. The best precision was obtained by ResNet-50 with 94.36%. The best running time was obtained by ResNet-50 with 0.0006 seconds."