• Login
    View Item 
    •   Home
    • UNDERGRADUATE THESES (Koleksi Skripsi Sarjana)
    • UT-Faculty of Mathematics and Natural Sciences
    • View Item
    •   Home
    • UNDERGRADUATE THESES (Koleksi Skripsi Sarjana)
    • UT-Faculty of Mathematics and Natural Sciences
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    PERBANDINGAN EXTENDED KALMAN FILTER DAN ENSEMBLE KALMAN FILTER DALAM ESTIMASI PERTUMBUHAN SEL TUMOR DENGAN MENGGUNAKAN VIRUS ONCOLYTIC

    Thumbnail
    View/Open
    Asmi Atiningtiyas cover 123.pdf (1.355Mb)
    Date
    2016-01-27
    Author
    Atiningtiyas, Asmi
    Metadata
    Show full item record
    Abstract
    Tumor adalah pertumbuhan sel yang tidak normal dari jaringan tubuh. Tumor terjadi ketika sel membelah berlebihan dalam tubuh. Tubuh selalu melakukan pembelahan sel untuk menggantikan sel-sel yang lama dan sudah mati dengan sel-sel baru. Tumor bisa terbentuk jika keseimbangan pembelahan sel terganggu atau berjalan tidak normal. Penyakit ini disebabkan karena faktor keturunan, virus, radiasi, kebiasaan mengkonsumsi makanan yang mengandung zat kimia seperti pengawet, pewarna, alkohol, rokok, dan lain-lain. Selain itu, selama ini virus diasosiasikan sebagai penyebab utama terjadinya penyakit. Namun, beberapa penelitian menunjukkan ada beberapa virus yang memiliki kemampuan anti tumor yang digunakan untuk terapi. Salah satu virus anti tumor adalah virus oncolytic. Tujuan dari penulisan tugas akhir ini adalah untuk mendapatkan hasil estimasi pertumbuhan sel tumor dengan terapi pengobatan menggunakan virus oncolytic dengan metode Extended Kalman Filter (EKF) dan Ensemble Kalman Filter (EnKF). Selain itu, tujuan akhir dari penulisan tugas akhir ini adalah mengetahui metode manakah yang lebih baik untuk mengestimasi pertumbuhan sel tumor. Untuk memperoleh hasil estimasi dan mengetahui metode yang terbaik, dilakukan beberapa langkah, yaitu diskritisasi dengan metode beda hingga maju untuk diskritisasi pada waktu , dan dilanjutkan dengan penambahan noise pada model terapi sel tumor dengan virus oncolytic. Setelah itu mengimplementasikan algoritma EKF dan EnKF. Langkah berikutnya adalah analisis hasil simulasi. Hasil yang akan dianalisis adalah hasil estimasi populasi sel tumor yang tidak terinfeksi virus oncolytic dan populasi sel tumor yang terinfeksi virus oncolytic. Analisis yang viii dilakukan adalah dengan membandingkan nilai dari norm kovariansi error dari kedua metode. Hasil simulasi menunjukkan bahwa metode EKF dan EnKF dapat digunakan untuk mengestimasi aliran dua fase. Untuk estimasi populasi sel tumor yang tidak terinfeksi virus oncolytic dengan metode EKF meghasilkan nilai norm kovariansi error yang lebih besar dibandingkan dengan estimasi populasi sel tumor yang tidak terinfeksi virus oncolytic menggunakan metode EnKF, sementara untuk estimasi populasi sel tumor yang terinfeksi virus oncolytic menggunakan metode EKF menghasilkan nilai norm kovariansi error yang lebih besar dibandingkan dengan metode EnKF. Dengan demikian metode EnKF lebih baik daripada metode EKF dalam mengestimasi populasi sel tumor yang tidak terinfeksi virus oncolytic dan populasi sel tumor yang terinfeksi virus oncolytic.
    URI
    http://repository.unej.ac.id/handle/123456789/72524
    Collections
    • UT-Faculty of Mathematics and Natural Sciences [3427]

    UPA-TIK Copyright © 2024  Library University of Jember
    Contact Us | Send Feedback

    Indonesia DSpace Group :

    University of Jember Repository
    IPB University Scientific Repository
    UIN Syarif Hidayatullah Institutional Repository
     

     

    Browse

    All of RepositoryCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    LoginRegister

    Context

    Edit this item

    UPA-TIK Copyright © 2024  Library University of Jember
    Contact Us | Send Feedback

    Indonesia DSpace Group :

    University of Jember Repository
    IPB University Scientific Repository
    UIN Syarif Hidayatullah Institutional Repository