Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Damianus Journal of Medicine Essential: Essence of Scientific Medical Journal
Nikolaus Tobian
Universitas Katolik Indonesia Atma Jaya
Biochemistry, Genetics & Molecular Biology Health Professions Immunology & microbiology Medicine & Pharmacology Neuroscience Public Health

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENGGUNAAN CRISPR-CAS SYSTEM SEBAGAI SOLUSI MENGHADAPI RESISTENSI ANTIMIKROBA PADA BAKTERI Robby Soetedjo; Leonardo Alexander; Nikolaus Tobian
Essence of Scientific Medical Journal Vol 18 No 2 (2020): Volume 18 No. 2 (Juli - Desember 2020) Essential: Essence of Scientific Medical
Publisher : Kelompok Ilmiah Hippocrates Fakultas Kedokteran Universitas Udayana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/ESTL.2020.v18.i02.p05

Abstract

ABSTRAK Pendahuluan: Resistensi antimikroba merupakan masalah global akibat pemakaian antibiotik yang berlebihan dan tidak rasional sehingga mengeliminasi kuman patogen dan flora normal dalam tubuh. Hal ini memicu terbentuknya bakteri yang multiresisten terhadap berbagai antibiotik. WHO memperkirakan angka kematian global akibat resistensi antimikroba telah mencapai 700.000/tahun dan biaya yang harus dikeluarkan agar fasilitas kesehatan bisa mengatasi resistensi antimikroba diperkirakan sekitar 1,5 miliar dollar/tahun. Selain antibiotik, banyak terapi inovatif yang dapat diterapkan dalam menghadapi bakteri AMR (Antimicrobial Resistance) contohnya adalah CRISPR (Clustered Regularly Interspaced Short Palindromic Repeats) yang telah terbukti dapat digunakan untuk menarget gen-gen dari bakteri patogen seperti mengkode formasi biofilm, faktor virulensi, atau khususnya resistensi antimikroba. Target yang dituju ini juga spesifik tanpa mempengaruhi flora normal lainnya sehingga bisa menjadi pilihan utama dalam mengobati penyakit akibat resistensi antimikroba. Pembahasan: Studi literatur menunjukkan bahwa terapi CRISPR disertai dengan CRISPR associated protein 9 (Cas9) terbukti mampu melakukan genome editing dengan memotong gen-gen yang berperan dalam faktor virulensi, metabolisme, dan enzim resistensi antimikroba seperti gen bla, sul2, dan mcr-1 secara in vivo maupun in vitro sehingga bakteri resisten seperti Staphylococcus aureus, Escherichia coli, dan Shewanella algae dapat tereliminasi atau menjadi sensitif kembali terhadap antibiotik yang awalnya diberikan sebelum terapi CRISPR dilakukan. CRISPR-Cas9 juga bisa berfungsi sebagai pengendali ekspresi gen dengan cara mengaktivasi atau menghambat ekspresi gen tersebut menggunakan memodifikasi Cas9 menjadi dCas9 serta dapat dijadikan aplikasi dalam metode FLASH untuk mendeteksi sequence dengan jumlah sampel yang sedikit. Simpulan: Dengan demikian, dapat disimpulkan bahwa terapi CRISPR berbasis Cas9 berpotensi menjadi andalan untuk terapi resistensi antimikroba.
Potensi Algoritma Berbasis Neural Network dan Turunannya sebagai Prediktor Kadar PM2,5 dan PM10 Leonardo Alexander; Robby Soetedjo; Nikolaus Tobian
Bahasa Indonesia Vol 24 No 2 (2025): Damianus Journal of Medicine
Publisher : Atma Jaya Catholic University of Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25170/djm.v24i2.3314

Abstract

Pendahuluan: Polusi udara merupakan penyebab utama Penyakit Tidak Menular (PTM) di Asia Tenggara dan telah diidentifikasi sebagai masalah kesehatan global terbesar kedua pada tahun 2016. Strategi prediksi yang efektif sangat penting untuk mengurangi dampak buruknya. Studi ini secara sistematis meninjau penerapan algoritma berbasis Artificial Neural Network (ANN) dalam memprediksi konsentrasi polutan udara, khususnya PM2.5 dan PM10. Metode: Tinjauan sistematis ini mengikuti pedoman PRISMA. Pencarian sistematis dilakukan pada 4 basis data untuk menemukan studi yang menerapkan model ANN dalam prediksi polusi udara dengan menggunakan data meteorologi dan/atau geografis sebagai input. Ekstraksi data difokuskan pada struktur model, akurasi prediksi, serta perbandingan dengan algoritma kecerdasan buatan lainnya. Model ANN dievaluasi berdasarkan kemampuannya menangani interaksi variabel non-linear yang kompleks, fleksibilitas pada berbagai dataset, dan kinerja prediktif dibandingkan metode lain. Hasil: Algoritma berbasis ANN secara konsisten menunjukkan performa lebih baik dibandingkan model alternatif dalam memprediksi kadar PM2.5 dan PM10. Kemampuan ANN dalam pembelajaran adaptif serta integrasi berbagai input meningkatkan akurasi prediksi. Beberapa studi melaporkan adanya peningkatan lebih lanjut ketika ANN dikombinasikan dengan metode turunannya. Simpulan: ANN merupakan alat yang andal dan akurat untuk memprediksi polusi udara serta mendukung kebijakan berbasis bukti dalam pencegahan dan pengelolaan lingkungan. Peran ANN dalam ilmu lingkungan menyoroti inovasi dalam pemodelan prediktif dan membuka peluang integrasi dengan teknologi berkelanjutan.
Co-Authors Leonardo Alexander Leonardo Alexander Robby Soetedjo Robby Soetedjo