GAMBARAN DIRI PASIEN POST MASTEKTOMI DI RUANG KEMOTERAPI SANTOSA HOSPITAL BANDUNG CENTRAL
Keywords:
Gambaran Diri, Post Mastektomi, Kanker PayudaraAbstract
Di Indonesia tahun 2020 angka kejadian kanker payudara menempati urutan pertama mencapai 68.858 kasus (16.1%). Salah satu tindakan yang sering dilakukan yaitu mastektomi. Dampak yang terjadi dari post mastektomi pada pasien dapat mempengaruhi gambaran diri. Penelitian bertujuan untuk menganalisa Gambaran Diri Pasien Post Mastektomi Di Ruang Kemoterapi Santosa Hospital Bandung Central. Penelitian menggunakan deskriptif. Populasi yaitu seluruh pasien post mastektomi di ruang kemoterapi SHBC. Sampel sebanyak 50 orang, dengan tekhnik sampling accidental sampling. Pengambilan data dengan data primer menggunakan kuesioner. Analisa data menggunakan analisa univariat. Hasil analisis univariat diperoleh gambaran diri pasien post mastektomi berdasarkan aspek bentuk tubuh sebagian besar positif (52%), berdasarkan aspek ukuran tubuh sebagian besar positif (52%), berdasarkan aspek fungsi tubuh sebagian besar negatif (56%), berdasarkan aspek penampilan sebagian besar positif (56%). Hasil penelitian secara keseluruhan diperoleh gambaran diri pasien post mastektomi yaitu negate. Perlunya upaya dalam pemberikan asuhan keperawatan lebih baik pada pasien post mastektomi¸dan selalu memberikan suport sistem kepada pasien agar timbulnya rasa gambaran diri positif sehingga menerima dengan baik dengan segala kondisi pasca operasi.
References
Aima, A., & Sharma, A. K. (2019). Predictive Approach for Melanoma Skin Cancer Detection using CNN. SSRN Electronic Journal, 546–552. https://doi.org/10.2139/ssrn.3352407
Albelwi, S., & Mahmood, A. (2017). A framework for designing the architectures of deep Convolutional Neural Networks. Entropy, 19(6). https://doi.org/10.3390/e19060242
Alwanda, M. R., Putra, R., Ramadhan, K., Alamsyah, D., Studi, P., & Informatika, T. (2020). Implementasi Metode Convolutional Neural Network Menggunakan Arsitektur LeNet-5 untuk Pengenalan Doodle. Jurnal Algoritme, 1(1).
Arrofiqoh, E. N., & Harintaka, H. (2018). Implementasi Metode Convolutional Neural Network Untuk Klasifikasi Tanaman Pada Citra Resolusi Tinggi. Geomatika, 24(2), 61. https://doi.org/10.24895/jig.2018.24-2.810
Bejiga, M. B., Zeggada, A., Nouffidj, A., & Melgani, F. (2017). A convolutional neural network approach for assisting avalanche search and rescue operations with UAV imagery. Remote Sensing, 9(2). https://doi.org/10.3390/rs9020100
Bewes, J., Low, A., Morphett, A., Pate, F. D., & Henneberg, M. (2019). Artificial intelligence for sex determination of skeletal remains: Application of a deep learning artificial neural network to human skulls. Journal of Forensic and Legal Medicine, 62(July 2018), 40–43. https://doi.org/10.1016/j.jflm.2019.01.004
Dewi, I. A., & Rafiqi, F. (2019). Deteksi Manusia menggunakan Pre-Trained MobileNet untuk Segmentasi Citra Menentukan Bentuk Tubuh. 4(1), 65–79.
Ghoneim, A., Muhammad, G., & Hossain, M. S. (2020). Cervical cancer classification using convolutional neural networks and extreme learning machines. Future Generation Computer Systems, 102, 643–649. https://doi.org/10.1016/j.future.2019.09.015
Hidayatulloh, T., Herliana, A., & Arifin, T. (2016). Klasifikasi Sel Tunggal Pap Smear Berdasarkan Analisis Fitur Berbasis Naïve Bayes Classifier Dan Particle Swarm Optimization. ., 4(2), 186–193.
Hu, L., Bell, D., Antani, S., Xue, Z., Yu, K., Horning, M. P., Gachuhi, N., Wilson, B., Jaiswal, M. S., Befano, B., Long, L. R., Herrero, R., Einstein, M. H., Burk, R. D., Demarco, M., Gage, J. C., Rodriguez, A. C., Wentzensen, N., & Schiffman, M. (2019). An Observational Study of Deep Learning and Automated Evaluation of Cervical Images for Cancer Screening. Journal of the National Cancer Institute, 111(9), 923–932. https://doi.org/10.1093/jnci/djy225
Ilahiyah, S., & Nilogiri, A. (2018). Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network. JUSTINDO (Jurnal Sistem Dan Teknologi Informasi Indonesia), 3(2), 49–56.
Kim, J., Sangjun, O., Kim, Y., & Lee, M. (2016). Convolutional Neural Network with Biologically Inspired Retinal Structure. Procedia Computer Science, 88, 145–154. https://doi.org/10.1016/j.procs.2016.07.418
M. Raihan Rafiiful Allaam, A. T. W. (2021). KLASIFIKASI GENUS TANAMAN ANGGREK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK ( CNN ). E-Proceeding of Engineering, 8(2), 3147–3179.
Maggiori, E., Tarabalka, Y., Charpiat, G., & Alliez, P. (2017). Convolutional Neural Networks for Large-Scale Remote-Sensing Image Classification. IEEE Transactions on Geoscience and Remote Sensing, 55(2), 645–657. https://doi.org/10.1109/TGRS.2016.2612821
Mustafa, W. A., Halim, A., Jamlos, M. A., & Idrus, S. Z. S. (2020). A Review: Pap Smear Analysis Based on Image Processing Approach. Journal of Physics: Conference Series, 1529(2). https://doi.org/10.1088/1742-6596/1529/2/022080
Purwati, R., & Ariyanto, G. (2017). Pengenalan Wajah Manusia berbasis Algoritma Local Binary Pattern. Emitor: Jurnal Teknik Elektro, 17(2), 29–38. https://doi.org/10.23917/emitor.v17i2.6232
Purwati, R., Ariyanto, G., Machine, S. V., Equalization, H., & Machine, S. V. (n.d.). PENGENALAN WAJAH MANUSIA BERBASIS ALGORITMA LOCAL. 17(02), 70–79.
Retnoningrum, D., Widodo, A. W., & Rahman, M. A. (2019). Ekstraksi Ciri Pada Telapak Tangan Dengan Metode Local Binary Pattern ( LBP ). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(3), 2611–2618.
Suyanto, Kurniawan Nur Ramadhani, S. M. (2019). Deep Learning Modernisasi Mchine Learning untuk Big Data. Penerbit Informatika.
Wibirama, Sunu. (2020). Introduction of Deep Learning for Computer Vision : A brief update on how AI can be used to fight against Copyright ( c ) 2020 - Dr . Sunu Wibirama. c.
1.jpg){kind=small}
.png)
.png)
