Kanker bukanlah suatu penyakit yang ringan. Langkah awal dalam pengobatan penyakit kanker adalah deteksi dengan benar bahwa gejala yang muncul pada tubuh pasien adalah benar-benar sel kanker ganas. Deteksi ini bisa dilakukan dengan pemeriksaan biopsy, sehingga langkah pengobatan bisa dilakukan secara cepat dan tepat. Langkah berikutnya adalah terapi pengobatan dengan cara konvensional. Namun pada kenyataannya pengobatan dengan cara ini sering kali kanker belum bisa diatasi secara total. Disinilah peran tanaman obat/herbal.
Peran utama herbal adalah meningkatkan daya tahan tubuh pasien dan melokalisir sel-sel kaker sehingga sel-sel kanker tidak mudah menyebar, dan lebih mudah diangkat, juga tidak bersifat toksik sehingga lebih aman untuk tubuh pasien. Contohnya adalah tanaman obat dari ekstrak keladi tikus (Typhonium Flagelliforme). Dalam penggunaannya, tanaman obat ini bisa dipakai bersamaan dengan pengobatan konvensional (pembedahan, kemoterapi, radioterapi dan hormonterapi) atau setelah pengobatan konvensional selesai dilakukan. Karena obat dari ekstrak keladi tikus dapat membantu mengurangi efek pengobatan secara konvensional.
Jumlah penderita penyakit kanker di Indonesia belum diketahui secara pasti, tetapi peningkatan dari tahun ke tahun dapat dibuktikan sebagai salah satu penyebab kematian. Hanya beberapa penyakit kanker yang dapat diobati secara memuaskan, terutama jika diobati saat masih stadium dini. Keberhasilan pengobatan sangat ditentukan oleh jenis kanker, stadium kanker, keadaan umum penderita, dan usaha penderita untuk sembuh.
Definisi Kanker
Penyakit Kanker adalah suatu penyakit yang disebabkan oleh pertumbuhan sel-sel jaringan tubuh yang tidak normal. Sel-sel kanker akan berkembang dengan cepat, tidak terkendali, dan akan terus membelah diri, selanjutnya menyusup ke jaringan sekitarnya (invasive) dan terus menyebar melalui jaringan ikat, darah, dan menyerang organ-organ penting serta syaraf tulang belakang. Dalam keadaan normal, sel hanya akan membelah diri jika ada penggantian sel-sel yang telah mati dan rusak. Sebaliknya sel kanker akan membelah terus meskipun tubuh tidak memerlukannya, sehingga akan terjadi penumpukan sel baru yang disebut tumor ganas. Penumpukan sel tersebut mendesak dan merusak jaringan normal, sehingga mengganggu organ yang ditempatinya. Kanker dapat terjadi diberbagai jaringan dalam berbagai organ di setiap tubuh, mulai dari kaki sampai kepala. Bila kanker terjadi di bagian permukaan tubuh, akan mudah diketahui dan diobati. Namun bila terjadi didalam tubuh, kanker itu akan sulit diketahui dan kadang - kadang tidak memiliki gejala. Kalaupun timbul gejala, biasanya sudah stadium lanjut sehingga sulit diobati.
Perbedaan Tumor dan Kanker
Tumor ada dua macam yaitu tumor jinak dan tumor ganas. Tumor jinak hanya tumbuh dan membesar, tidak terlalu berbahaya, dan tidak menyebar ke luar jaringan. Sedangkan tumor ganas adalah kanker yang tumbuh dengan cepat dan tidak terkendali dan merusak jaringan lainnya.
Rabu, 16 November 2011
Computational Forensics
Computational forensics (CF) is a quantitative approach to the methodology of the forensic sciences. It involves computer-based modeling, computer simulation, analysis, and recognition in studying and solving problems posed in various forensic disciplines. CF integrates expertise from computational science and forensic sciences.
A broad range of objects, substances and processes are investigated, which are mainly based on pattern evidence, such as toolmarks, fingerprints, shoeprints, documents etc, but also physiological and behavioral patterns, DNA, digital evidence and crime scenes.
Computational methods find a place in the forensic sciences in several ways, as for example:
Computer forensics (also referred to as "digital forensics" or "forensic information technology") is one specific discipline that could use computational science to study digital evidence. Computational Forensics examines diverse types of evidence.
A broad range of objects, substances and processes are investigated, which are mainly based on pattern evidence, such as toolmarks, fingerprints, shoeprints, documents etc, but also physiological and behavioral patterns, DNA, digital evidence and crime scenes.
Computational methods find a place in the forensic sciences in several ways, as for example:
- rigorous quantification of individuality,
- definition and establishment of likelihood ratio,
- increase of efficiency and effectiveness in daily forensic casework.
Computer forensics (also referred to as "digital forensics" or "forensic information technology") is one specific discipline that could use computational science to study digital evidence. Computational Forensics examines diverse types of evidence.
Identifikasi Forensik
Identifikasi forensik merupakan upaya yang dilakukan dengan tujuan membantu penyidik untuk menentukan identitas seseorang. Identifikasi personal sering merupakan suatu masalah dalam kasus pidana maupun perdata.Menentukan identitas personal dengan tepat amat penting dalam penyidikan karena adanya kekeliruan dapat berakibat fatal dalam proses peradilan.
Peran ilmu kedokteran forensik dalam identifikasi terutama pada jenazah tidak dikenal, jenazah yang rusak , membusuk, hangus terbakar dan kecelakaan masal, bencana alam, huru hara yang mengakibatkan banyak korban meninggal, serta potongan tubuh manusia atau kerangka.Selain itu identifikasi forensik juga berperan dalam berbagai kasus lain seperti penculikan anak, bayi tertukar, atau diragukan orangtua nya.Identitas seseorang yang dipastikan bila paling sedikit dua metode yang digunakan memberikan hasil positif (tidak meragukan).
Berbagai Metode :
Peran ilmu kedokteran forensik dalam identifikasi terutama pada jenazah tidak dikenal, jenazah yang rusak , membusuk, hangus terbakar dan kecelakaan masal, bencana alam, huru hara yang mengakibatkan banyak korban meninggal, serta potongan tubuh manusia atau kerangka.Selain itu identifikasi forensik juga berperan dalam berbagai kasus lain seperti penculikan anak, bayi tertukar, atau diragukan orangtua nya.Identitas seseorang yang dipastikan bila paling sedikit dua metode yang digunakan memberikan hasil positif (tidak meragukan).
Berbagai Metode :
- 1 Pemeriksaan sidik jari
- 2 Metode Visual
- 3 Pemeriksan Dokumen
- 4 Pemeriksaan Pakaian dan Perhiasan
- 5 Identifikasi Medik
- 6 Pemeriksaan Gigi
- 7 Pemeriksaan Serologik
- 8 Metode Eksklusi
- 9 Identifikasi Potongan Tubuh Manusia (Kasus Mutilasi)
- 10 Identifikasi Kerangka
- 11 Pemeriksaan Anatomik
- 12 Penentuan Ras
Forensic
Forensic science (often shortened to forensics) is the application of a broad spectrum of sciences to answer questions of interest to a legal system. This may be in relation to a crime or a civil action. The word forensic comes from the Latin forēnsis, meaning "of or before the forum."[1] In Roman times, a criminal charge meant presenting the case before a group of public individuals in the forum. Both the person accused of the crime and the accuser would give speeches based on their sides of the story. The individual with the best argument and delivery would determine the outcome of the case. This origin is the source of the two modern usages of the word forensic – as a form of legal evidence and as a category of public presentation.
In modern use, the term "forensics" in the place of "forensic science" can be considered correct as the term "forensic" is effectively a synonym for "legal" or "related to courts". However the term is now so closely associated with the scientific field that many dictionaries include the meaning that equates the word "forensics" with "forensic science".
In modern use, the term "forensics" in the place of "forensic science" can be considered correct as the term "forensic" is effectively a synonym for "legal" or "related to courts". However the term is now so closely associated with the scientific field that many dictionaries include the meaning that equates the word "forensics" with "forensic science".
Selasa, 18 Mei 2010
Markov
Penguraian Rantai Markov
Rantai Markov dicetuskan oleh seorang matematikawan asal Rusia yang terkenal dengan teori proses stokastik. Ia bernama Andrey Adreyevich Markov.
Rantai Markov adalah sebuah proses acak yang bersifat diskrit, dimana properti kondisi berikutnya sangat bergantung pada kondisi saat ini.
Rantai Markov adalah sebuah proses acak yang bersifat diskrit, yang berarti sebuah sistem dalam keadaan tertentu pada stepnya dengan perubahan acak kondisinya dalam setiap step.
Step-step itu sering dianggap sebagai waktu, dimana waktu itu didefinisikan dalam bilangan bulat atau bilangan natural, dan proses acak berguna untuk pemetaan suatu kondisi.
Properti Markov dalam suatu kondisi menjelaskan bahwa distribusi kondisional probabilitas untuk sistem pada step berikutnya diberikan kondisi pada saat ini tetapi bergantung pada kondisi sitem saat itu juga dan buka sebagai penambahan kondisi untuk masa yang telah berlalu.
Untuk dapat menerapkan analisa rantai Markov dalam suatu kasus, maka syarat – syarat yang harus dipenuhi adalah:
1.Jumlah probabilitas transisi untuk suatu keadaan awal dari sistem = 1.
2.Probabilitas – probabilitas itu berlaku untuk semua partisipan dalam sistem.
3.Probabilitas transisi konstan sepanjang waktu.
4.Kondisi adalah kondisi yang independen sepanjang waktu.
Dalam realitas, penerapan analisa Markov bisa dibilang cukup terbatas sebab sangat sulit meemukan masalah yang memenuhi semua sifat yang diperlukan untuk analisa Markov terutama persyaratan bahwa probabilitas transisi harus konstan sepanjang waktu.
Contoh Aplikasi
Aplikasi analisa Markov misalnya analisa penggunaan jasa telekomunikasi pada suatu kota. Dalam kota tersebut terdapat 3 jasa komunikasi yaitu T, M, P. Penduduk kota menggunakan salah satu jasa telekomunikasi tersebut untuk berkomunikasi jarak jauh. Setelah diadakan penelitian dan survey, ternyata tidak semua pelanggan setia pada 1 jasa. Hal ini disebabkan karena adanya promosi, iklan, layanan yang lebih baik dan lainnya.
Hasil survey :
Jika pelanggan memakai jasa T bulan ini, ada probabilitas 50% bahwa pelanggan akan melakukan pemakaian jasa T di bulan berikutnya. Pelanggan akan pindah ke M dan P terdapat probabilitas 20% dan 30%.
Jika pelanggan memakai jasa M bulan ini, ada probabilitas 60% bahwa pelanggan akan melakukan pemakaian jasa M di bulan berikutnya. Pelanggan akan pindah ke T dan P terdapat probabilitas 15% dan 25%.
Jika pelanggan memakai jasa P bulan ini, ada probabilitas 50% bahwa pelanggan akan melakukan pemakaian jasa P di bulan berikutnya. Pelanggan akan pindah ke T dan M terdapat probabilitas 13% dan 17%.
Probabilitas pergerakan pelanggan per bulan dapat dijabarkan:
Jika ditetapkan event 1 =(0.25;0.3;0.4)
maka akaan kita dapatkan equillibrium tercapai bulan ke 12 yaitu:
perusahaan telekommunikasi T = 25%
perusahaan telekommunikasi M = 32%
perusahaan telekommunikasi P = 40%
Maka jika suatu kota terdisri dari 2000 penduduk, yang dilayani masing – masing perusahaan :
perusahaan telekommunikasi T = 2000 * 25% = 500 orang
perusahaan telekommunikasi M = 2000 * 32% = 640 orang
perusahaan telekommunikasi P = 2000 *40% = 800 orang
Dengan contoh aplikasi tersebut, dapat dilihat bahwa analisa Markov hanya menghasilkan informasi bukan keputusan.
Misalkan kita menganalisa perusahaan telekomunikasi T, maka T akan mendapat informasi berharga untuk masa berikutnya bahwa :
1.Probabilitas untuk pelanggan setia jasa T setelah equilibrium adalah 500 orang.
2.Pangsa pasar T paling rendah yaitu 25% dari 100%.
dengan informasi itu maka pengambil keputusan pihak T dapat memikirkan rencana ke depan agar jasanya dapat lebih digunakan oleh penduduk kota itu.
Dengan demikian dalam jangka waktu tertentu ketika T, M, P mencapai equiribrium pangsa pasar T bertambah besar.
Download Pdf Markov file ini.
Rantai Markov dicetuskan oleh seorang matematikawan asal Rusia yang terkenal dengan teori proses stokastik. Ia bernama Andrey Adreyevich Markov.
Rantai Markov adalah sebuah proses acak yang bersifat diskrit, dimana properti kondisi berikutnya sangat bergantung pada kondisi saat ini.
Rantai Markov adalah sebuah proses acak yang bersifat diskrit, yang berarti sebuah sistem dalam keadaan tertentu pada stepnya dengan perubahan acak kondisinya dalam setiap step.
Step-step itu sering dianggap sebagai waktu, dimana waktu itu didefinisikan dalam bilangan bulat atau bilangan natural, dan proses acak berguna untuk pemetaan suatu kondisi.
Properti Markov dalam suatu kondisi menjelaskan bahwa distribusi kondisional probabilitas untuk sistem pada step berikutnya diberikan kondisi pada saat ini tetapi bergantung pada kondisi sitem saat itu juga dan buka sebagai penambahan kondisi untuk masa yang telah berlalu.
Untuk dapat menerapkan analisa rantai Markov dalam suatu kasus, maka syarat – syarat yang harus dipenuhi adalah:
1.Jumlah probabilitas transisi untuk suatu keadaan awal dari sistem = 1.
2.Probabilitas – probabilitas itu berlaku untuk semua partisipan dalam sistem.
3.Probabilitas transisi konstan sepanjang waktu.
4.Kondisi adalah kondisi yang independen sepanjang waktu.
Dalam realitas, penerapan analisa Markov bisa dibilang cukup terbatas sebab sangat sulit meemukan masalah yang memenuhi semua sifat yang diperlukan untuk analisa Markov terutama persyaratan bahwa probabilitas transisi harus konstan sepanjang waktu.
Contoh Aplikasi
Aplikasi analisa Markov misalnya analisa penggunaan jasa telekomunikasi pada suatu kota. Dalam kota tersebut terdapat 3 jasa komunikasi yaitu T, M, P. Penduduk kota menggunakan salah satu jasa telekomunikasi tersebut untuk berkomunikasi jarak jauh. Setelah diadakan penelitian dan survey, ternyata tidak semua pelanggan setia pada 1 jasa. Hal ini disebabkan karena adanya promosi, iklan, layanan yang lebih baik dan lainnya.
Hasil survey :
Jika pelanggan memakai jasa T bulan ini, ada probabilitas 50% bahwa pelanggan akan melakukan pemakaian jasa T di bulan berikutnya. Pelanggan akan pindah ke M dan P terdapat probabilitas 20% dan 30%.
Jika pelanggan memakai jasa M bulan ini, ada probabilitas 60% bahwa pelanggan akan melakukan pemakaian jasa M di bulan berikutnya. Pelanggan akan pindah ke T dan P terdapat probabilitas 15% dan 25%.
Jika pelanggan memakai jasa P bulan ini, ada probabilitas 50% bahwa pelanggan akan melakukan pemakaian jasa P di bulan berikutnya. Pelanggan akan pindah ke T dan M terdapat probabilitas 13% dan 17%.
Probabilitas pergerakan pelanggan per bulan dapat dijabarkan:
Jika ditetapkan event 1 =(0.25;0.3;0.4)
maka akaan kita dapatkan equillibrium tercapai bulan ke 12 yaitu:
perusahaan telekommunikasi T = 25%
perusahaan telekommunikasi M = 32%
perusahaan telekommunikasi P = 40%
Maka jika suatu kota terdisri dari 2000 penduduk, yang dilayani masing – masing perusahaan :
perusahaan telekommunikasi T = 2000 * 25% = 500 orang
perusahaan telekommunikasi M = 2000 * 32% = 640 orang
perusahaan telekommunikasi P = 2000 *40% = 800 orang
Dengan contoh aplikasi tersebut, dapat dilihat bahwa analisa Markov hanya menghasilkan informasi bukan keputusan.
Misalkan kita menganalisa perusahaan telekomunikasi T, maka T akan mendapat informasi berharga untuk masa berikutnya bahwa :
1.Probabilitas untuk pelanggan setia jasa T setelah equilibrium adalah 500 orang.
2.Pangsa pasar T paling rendah yaitu 25% dari 100%.
dengan informasi itu maka pengambil keputusan pihak T dapat memikirkan rencana ke depan agar jasanya dapat lebih digunakan oleh penduduk kota itu.
Dengan demikian dalam jangka waktu tertentu ketika T, M, P mencapai equiribrium pangsa pasar T bertambah besar.
Download Pdf Markov file ini.
Rabu, 25 November 2009
Program menampilkan biodata!!!
/* Author : Silviani
* NIM : 081402048
* Nama File : Tugas_081402048_Lab5_01.java
*/
import javax.swing.*;
import java.awt.*;
import java.awt.event.*;
public class Tugas_081402048_Lab5_01 extends JFrame
{
private JLabel label1 = new JLabel(" NIM : ");
private JLabel label2 = new JLabel(" Password : ");
private JTextField field1 = new JTextField();
private JTextField field2 = new JTextField();
private JButton button = new JButton("Enter");
private JLabel labnama = new JLabel("Nama : ");
private JLabel labumur = new JLabel("Umur : ");
private JLabel labgen = new JLabel("Alamat : ");
private JLabel labjob = new JLabel("Pekerjaan : ");
private JLabel labnama1 = new JLabel();
private JLabel labumur1 = new JLabel();
private JLabel labgen1 = new JLabel();
private JLabel labjob1 = new JLabel();
public Tugas_081402048_Lab5_01()
{
JPanel panel1 = new JPanel(new GridLayout(2,5));
panel1.add(label1);
panel1.add(field1);
panel1.add(label2);
panel1.add(field2);
JPanel buttonpanel = new JPanel();
buttonpanel.add(button);
JPanel panel3 = new JPanel(new GridLayout(7,5));
panel3.add(labnama);
panel3.add(labnama1);
panel3.add(labumur);
panel3.add(labumur1);
panel3.add(labgen);
panel3.add(labgen1);
panel3.add(labjob);
panel3.add(labjob1);
Container c = getContentPane();
c.add(panel1,BorderLayout.NORTH);
c.add(buttonpanel,BorderLayout.WEST);
c.add(panel3,BorderLayout.SOUTH);
button.addActionListener(new Listener());
}
private class Listener implements ActionListener
{
public void actionPerformed(ActionEvent e)
{
String input = field1.getText();
String paswd = field2.getText();
if (input.equals("081402048") && paswd.equals("1234"))
{
labnama1.setText("Siviani");
labumur1.setText("19");
labgen1.setText("Jl. Lubuk Kuda No.12B");
labjob1.setText("Designer");
}
else
{
JOptionPane.showMessageDialog(null,"Anda salah memasukkan NIM dan password ! NIM : 081402048 ; Password : 1234");
}
}
}
public static void main(String[] args)
{
Tugas_081402048_Lab5_01 GUI = new Tugas_081402048_Lab5_01();
GUI.setTitle("My Biodata");
GUI.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
GUI.pack();
GUI.setVisible(true);
GUI.setSize(270,250);
}
}
* NIM : 081402048
* Nama File : Tugas_081402048_Lab5_01.java
*/
import javax.swing.*;
import java.awt.*;
import java.awt.event.*;
public class Tugas_081402048_Lab5_01 extends JFrame
{
private JLabel label1 = new JLabel(" NIM : ");
private JLabel label2 = new JLabel(" Password : ");
private JTextField field1 = new JTextField();
private JTextField field2 = new JTextField();
private JButton button = new JButton("Enter");
private JLabel labnama = new JLabel("Nama : ");
private JLabel labumur = new JLabel("Umur : ");
private JLabel labgen = new JLabel("Alamat : ");
private JLabel labjob = new JLabel("Pekerjaan : ");
private JLabel labnama1 = new JLabel();
private JLabel labumur1 = new JLabel();
private JLabel labgen1 = new JLabel();
private JLabel labjob1 = new JLabel();
public Tugas_081402048_Lab5_01()
{
JPanel panel1 = new JPanel(new GridLayout(2,5));
panel1.add(label1);
panel1.add(field1);
panel1.add(label2);
panel1.add(field2);
JPanel buttonpanel = new JPanel();
buttonpanel.add(button);
JPanel panel3 = new JPanel(new GridLayout(7,5));
panel3.add(labnama);
panel3.add(labnama1);
panel3.add(labumur);
panel3.add(labumur1);
panel3.add(labgen);
panel3.add(labgen1);
panel3.add(labjob);
panel3.add(labjob1);
Container c = getContentPane();
c.add(panel1,BorderLayout.NORTH);
c.add(buttonpanel,BorderLayout.WEST);
c.add(panel3,BorderLayout.SOUTH);
button.addActionListener(new Listener());
}
private class Listener implements ActionListener
{
public void actionPerformed(ActionEvent e)
{
String input = field1.getText();
String paswd = field2.getText();
if (input.equals("081402048") && paswd.equals("1234"))
{
labnama1.setText("Siviani");
labumur1.setText("19");
labgen1.setText("Jl. Lubuk Kuda No.12B");
labjob1.setText("Designer");
}
else
{
JOptionPane.showMessageDialog(null,"Anda salah memasukkan NIM dan password ! NIM : 081402048 ; Password : 1234");
}
}
}
public static void main(String[] args)
{
Tugas_081402048_Lab5_01 GUI = new Tugas_081402048_Lab5_01();
GUI.setTitle("My Biodata");
GUI.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
GUI.pack();
GUI.setVisible(true);
GUI.setSize(270,250);
}
}
Selasa, 17 November 2009
SEGITIGA
Program untuk menentukan apakah panjang sisi berikut dapat membentuk segitiga :
/* Nama : Silviani
* NIM : 081402048
* Nama File : Tugas_081402048_Lab4_03.java
*/
import java.util.Scanner;
public class Tugas_081402048_Lab4_03
{
public static void main( String args[] ) {
Scanner input = new Scanner(System.in);
int a, b, c;
System.out.println( "Masukkan panjang sisi segitiga :");
System.out.printf( "Sisi depan : ");
a = input.nextInt();
System.out.printf( "Sisi samping : ");
b = input.nextInt();
System.out.printf( "Sisi miring : ");
c = input.nextInt();
System.out.println("\nKetiga Panjang sisi tersebut");
if((c^2) == ((a^2) + (b^2)))
{
System.out.println("DAPAT membentuk segitiga.");
}
else
System.out.println("TIDAK DAPAT membentuk segitiga.");
}
}
/* Nama : Silviani
* NIM : 081402048
* Nama File : Tugas_081402048_Lab4_03.java
*/
import java.util.Scanner;
public class Tugas_081402048_Lab4_03
{
public static void main( String args[] ) {
Scanner input = new Scanner(System.in);
int a, b, c;
System.out.println( "Masukkan panjang sisi segitiga :");
System.out.printf( "Sisi depan : ");
a = input.nextInt();
System.out.printf( "Sisi samping : ");
b = input.nextInt();
System.out.printf( "Sisi miring : ");
c = input.nextInt();
System.out.println("\nKetiga Panjang sisi tersebut");
if((c^2) == ((a^2) + (b^2)))
{
System.out.println("DAPAT membentuk segitiga.");
}
else
System.out.println("TIDAK DAPAT membentuk segitiga.");
}
}
Langganan:
Postingan (Atom)