Pengelompokkan Terhadap Obyek Pada Praclinical Trial Pasca Vaksinasi Covid-19 Dengan Metode K-Means Longitudinal (KML) Dan Grup Based Trajectory Modeling (Gbtm)

Ramadhaniyah, Nor Laela (2023) Pengelompokkan Terhadap Obyek Pada Praclinical Trial Pasca Vaksinasi Covid-19 Dengan Metode K-Means Longitudinal (KML) Dan Grup Based Trajectory Modeling (Gbtm). Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003202021-Mater-_Thesis.pdf Restricted to Repository staff only until April 2025. Download (3MB) | Request a copy

Abstract

Virus COVID-19 adalah salah satu virus yang menyebabkan gangguan pada pernapasan. Semenjak ditemukan pada akhir tahun 2019, asal mula dari virus ini belum diketahui secara pasti. Virus COVID-19 menyebar dengan cepat ke seluruh dunia, sehingga World Health Organization (WHO) menetapkan sebagai pandemi. Selain melakukan tindakan pengendalian, negara-negara di dunia banyak yang mulai membuat vaksin untuk memcegah penyebaran virus COVID-19. Salah satu rangkaian uji suatu vaksin, maka vaksin COVID-19 juga memerlukan uji praklinik pada hewan untuk mengetahui keamanan dan efikasi vaksin COVID-19 sebelum uji klinis pada manusia. Uji praklinis vaksin COVID-19 menggunakan waktu perlakuan yaitu pada waktu setelah vaksinasi (H28) dan setelah booster (H56) dengan sebelas parameter yang dibagi menjadi dua pengukuran yaitu hematologi dan kondisi tubuh. Pengujian praklinis dilakukan pada tiga puluh enam hewan coba yaitu Macaca fascicularis. Dalam studi ini, dilakukan pengelompokkan obyek penelitian menggunakan dua metode clustering untuk data longitudinal yaitu metode K-Means Longitudinal dan Group Based Trajectory Model pada pemeriksaan kondisi tubuh, Kmeans pada pemeriksaan hematologi, kemudian diidentifikasi masing-masing perbedaan kelompok dari waktu setelah vaksinasi (H28) dan setelah booster (H56). Metode KML dan GBTM merupakan dua metode clustering untuk data longitudinal dengan kriteria kebaikan cluster yang berbeda-beda. Hasil pengelompokan metode K-Means Longitudinal dapat disimpulkan bahwa pembagian cluster terbaik pada perlakuan 1 (Vaksin) adalah sebanyak 2 cluster dan pembagian cluster terbaik pada perlakuan 2 (Booster) adalah sebanyak 3 cluster. Metode Group Based Trajectory Model kelompok terbaik pada perlakuan 1 (Vaksin) adalah sebanyak 3 kelompok dan pembagian kelompok terbaik pada perlakuan 2 (Booster) adalah sebanyak 2. Metode kmeans pada data hematologi perlakuan 1 (Vaksin) memiliki cluster terbaik sebanyak 3 cluster, sedangkan pada perlakuan 2 (Booster) memiliki 5 cluster untuk yang terbaik
=============================================================================================================================
The COVID-19 virus is a virus that causes respiratory problems. Since it was discovered at the end of 2019, the origin of this virus has not been known with certainty. The COVID-19 virus spread quickly throughout the world, so that the World Health Organization (WHO) declared it a pandemic. In addition to taking control measures, many countries in the world have started making vaccines to prevent the spread of the COVID-19 virus. One of the series of vaccine trials, the COVID-19 vaccine also requires preclinical trials on animals to determine the safety and efficacy of the COVID-19 vaccine before clinical trials on humans. Preclinical trials of the COVID-19 vaccine used treatment time, namely the time after vaccination (H28) and after the booster (H56) with eleven parameters divided into two measurements, namely hematology and body condition. Preclinical testing was carried out on thirty six experimental animals, namely Macaca fascicularis (long-tailed monkey). This study, grouping of research objects was carried out using two clustering methods for longitudinal data, namely the Longitudinal Kmeans method and the Group Based Trajectory Model on body condition examination, Kmeans on hematological examination, then identified each group difference from the time after vaccination ( H28) and after the booster (H56). The KML and GBTM methods are two clustering methods for longitudinal data with different cluster goodness criteria. The results of the Longitudinal Kmeans grouping method can be concluded that the best cluster distribution in treatment 1 (Vaccine) is 2 clusters and the best cluster distribution in treatment 2 (Booster) is 3 clusters. Group Based Trajectory Model method The best group in treatment 1 (Vaccine) is 3 groups and the best group distribution in treatment 2 (Booster) is 2. The km-means method on hematology data treatment 1 (Vaccine) has the best clusters of 3 clusters, whereas in treatment 2 (Booster) has 5 clusters for the best.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Praclinicaltrial vaksin COVID-19, KML, GBTM, KMEANS Preclinical trial of COVID-19 vaccine, KML, GBTM, and Kmeans
Subjects:	Q Science > QA Mathematics > QA278.55 Cluster analysis Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics)
Divisions:	Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis
Depositing User:	Nor Laela Ramadhaniyah
Date Deposited:	17 Feb 2023 03:01
Last Modified:	20 Feb 2023 03:06
URI:	http://repository.its.ac.id/id/eprint/97566

Actions (login required)

View Item