BIDANG KEGIATAN
PKM ARTIKEL ILMIAH
Diusulkan oleh:
UNIVERSITAS BENGKULU
KOTA BENGKULU
2020
iii
DAFTAR ISI
ABSTRAK
Angka Kematian Ibu (AKI) di Indonesia dilaporkan jauh dari target Sustainable
Development Goals (SDG’s) tahun 2030. Dibandingkan dengan Angka Kelahiran
Bayi di Indonesia yang mencapai 4,2 juta per tahunnya, AKI di Indonesia tergolong
tinggi. Hipertensi pada kehamilan merupakan penyebab utama meningkatnya AKI
dan preeklampsia merupakan penyebab utama tingginya kematian janin. Resiko
preeklampsia terhadap kematian ibu dan janin harus diimbangi dengan tindakan
pencegahan yang cepat tanggap. Artikel ini bertujuan untuk menjawab
permasalahan tingginya AKI, yaitu dengan PMS (Pregnancy Monitoring Systems).
PMS merupakan sistem monitoring kehamilan yang meliputi montoring detak
jantung janin dan ibu serta tekanan darah ibu yang diintregrasikan dengan sistem
pakar Bayesian network sebagai diagnosa awal preeklampsia. Sebagai alat
monitoring kehamilan yang tepat guna, PMS dapat melakukan deteksi dini
preeklampsia untuk mencegah kematian ibu dan janin.
The Maternal Mortality Rate (MMR) in Indonesia is reported far from Sustainable
Development Goals (SDGs) target in 2030. Compared to the Infant Birth Rate in
Indonesia which reaches 4.2 million per year, MMR in Indonesia is high.
Hypertension in pregnancy is the main cause of increased AKI and preeclampsia is
the main cause of high fetal mortality. The risk of preeclampsia for maternal and
fetal death must be balanced with responsive precautions. This article aims to
answer the problem of high MMR, namely PMS (Pregnancy Monitoring Systems).
PMS is a pregnancy monitoring system that includes monitoring of fetal and
maternal heart rates as well as maternal blood pressure which is integrated with
the Bayesian network expert system as an early diagnosis of preeclampsia. As an
appropriate pregnancy monitoring tool, STDs can perform early detection of
preeclampsia to prevent maternal and fetal deaths.
1
PENDAHULUAN
Latar Belakang
Angka Kematian Ibu (AKI) merupakan salah satu target Sustainable
Development Goals (SDG’s). SDG’s menargetkan AKI berada dibawah 70 per
100.000 kelahiran hidup (Setyowati et al., 2012). AKI di Indonesia tahun 2015
dilaporkan berada pada angka 305 kematian per 100.000 kelahiran hidup. Pada
tahun 2018, data Dinas Kesehatan Provinsi Bengkulu menunjukkan AKI di
Bengkulu mencapai 111 kematian per 100.000 kelahiran hidup. Dibandingkan
dengan angka kelahiran bayi di Indonesia yang mencapai 4,2 juta per tahunnya,
AKI di Indonesia tergolong tinggi dan jauh dari target SDG’s 2030 (Dinas
Kesehatan Provinsi Bengkulu, 2018) .
Data Dinas Kesehatan Provinsi Bengkulu tahun 2018 menunjukan
penyebab kematian ibu di Indonesia diantaranya gangguan hipertensi 33.07%,
perdarahan obstetri 27.03%, komplikasi non obstetri 15.7%, komplikasi obstetrik
lainnya 12.04%, infeksi pada kehamilan 6.06%, dan penyebab lainnya sebesar
4.81%. Di Provinsi Bengkulu dilaporkan sebesar 25% penyebab kematian ibu
adalah hipertensi dalam kehamilan (Dinas Kesehatan Provinsi Bengkulu, 2018).
Hipertensi pada kehamilan dapat digolongkan menjadi hipertensi kronis,
hipertensi gestasional, pre-eklampsia, dan eklampsia. Hipertensi gestasional
merupakan tekanan darah tinggi yang muncul setelah usia kehamilan 20 minggu
(Wijayanti et al., 2017). Hipertensi jenis ini biasanya hilang setelah ibu melahirkan
namun jika tidak mendapat penanganan yang tepat hipertensi gestasional berpotensi
menjadi preklampsia. Preklampsia adalah gangguan tekanan darah serius yang
dapat mengganggu kerja organ dan sirkulasi daraj ke janin. Penanganan yang tepat
pada penderita preklampsia biasanya akan hilang setelah melahirkan namun jika
tidak cepat terdeteksi preklampsia dapat berkembang menjadi eklampsia yang
berdampak serius dan berakibat fatal bagi ibu dan janin dalam kandungan.
Selain menjadi faktor resiko tertinggi kematian ibu, komplikasi preklampsia
yang kemudian berlanjut menjadi eklampsia juga menjadi salah satu faktor maternal
kasus Intrauterine Fetal Death (IUFD) atau kematian janin yang terjadi saat usia
kehamilan lebih dari 20 minggu dan janin sudah mencapai ukuran 500 gram atau
lebih. Penelitian yang dilakukan oleh Jayashree dkk (2017) ditemukan bahwa
preeklampsia merupakan penyebab paling umum pada kematian janin (Parmar,
Khubchandani and Sharma, 2016).
Berkembangnya pandemi COVID-19 saat ini membuat ibu hamil tidak
dianjurkan untuk ke fasilitas kesehatan kecuali pada keadaan yang sangat penting,
karena kerentananya untuk terpapar virus yang akan membahayakan ibu dan janin.
Hal ini dikhawatirkan dapat meningkatkan kejadian preeklampsia akibat ibu hamil
yang tidak dapat melakukan antenatal care secara rutin. Melihat resiko
preeklampsia terhadap kematian ibu dan janin yang belum diimbangi dengan
tindakan pencegahan yang cepat dan tepat serta fasilitas kesehatan yang kurang
memadai di Indonesia, maka penulis mengusulkan solusi berupa rancangan alat
2
yang dinamakan PMS (Pregnancy Monitoring Systems) untuk deteksi dini
preeklampsia sebagai upaya mencegah kematian ibu dan janin.
Tujuan Penulisan
Artikel ini memiliki tujuan untuk menginformasikan suatu solusi dari
bahayanya preeklamsia bagi ibu hamil dan janin, yaitu suatu rancangan pemodelan
yang dinamakan PMS (Pregnancy Monitoring Systems) untuk deteksi dini
preeklampsia sebagai upaya mencegah kematian ibu dan janin. PMS merupakan
sistem monitoring kehamilan yang meliputi monitoring detak jantung janin dan ibu
serta tekanan darah ibu yang di intregrasikan dengan sistem pakar Bayesian
network sebagai diagnosa awal preeklampsia.
METODE
Alat dan Bahan
Perancangan dan pembuatan Sistem monitoring kesehatan ibu dan janin ini
menggunakan alat dan bahan yang dapat dilihat di Lampiran 10.
Tahap Pelaksanaan Program
Tahapan pelaksanaan program dirangkum pada diagram alir yang
ditunjukan pada Gambar 1.
3
Jenis data yang dikumpulkan pada program ini adalah data kuantitatif dalam
bentuk data penelitian dan proses analisa. Berdasarkan sumbernya data yang
digunakan dalam program ini dibedakan menjadi dua yaitu:
A. Data Primer
Data pimer adalah data yang diperoleh atau dikumpulkan oleh peneliti
secara langsung dari sumber data utama. Dalam penelitian, untuk mendapatkan data
primer peneliti mengumpulkan secara langsung dari dr. Violita, SpOG . Adapun
data primer yang digunakan berupa daftar gejala hipertensi (Hipertensi Gestasional
dan Preeklampsia) beserta nilai prior probability untuk setiap gejala (Lampiran 4).
B. Data Sekunder
4
Gambar 3. Rancangan alat dan Tampilan Aplikasi PMS Menu Sistem Pakar
5
Tahap adalah serangkaian pemeriksaan masing-masing komponen
dapat berfungsi dengan baik setelah proses perakitan.
2) Uji Hasil Ukur Sensor
Pengukuran detak jantung janin dan ibu serta tekanan darah ibu
menggunakan sensor perlu diuji tingkat kebenarannya. Pengujian kedua
sensor tersebut dibandingkan dengan alat ukur yang telah memenuhi
standar.
3) Pengujian Sistem Pakar Bayesian Network
6
Gambar 5. Grafik Hasi Perbandingan diagnosis dokter dan sistem pakar
preeklamsia
Berdasarkan Gambar 5 Grafik Hasil Perbandingan diagnosis dokter dengan
sistem pakar dapat di analisa bahwa, hasil antara diagnosis dokter dan sistem
terdapat 5 kasus yang berbeda (salah prediksi). Sementara hasil diagnosis dokter
dengan sistem yang memiliki hasil yang sama (prediksi benar) adalah 25 kasus.
Lima kasus dengan Prediksi yang salah dari sistem di sebabkan oleh kesulitan yang
di alami dokter dalam memberikan nilai prior probability untuk setiap gejala
dengan metode Bayesian network dengan rentang nol hingga satu karena tidak
adanya acuan yang di tetapkan dalam memberikan nilai tersebut. Sehingga dari
hasil yang telah dibahas, didapatkan persentase keberhasilan alat adalah 83.3% .
7
PENUTUP
Kesimpulan
1. Perancangan PMS (Pregnancy Monitoring System) terdiri dari
perancangan filter baik itu Band Pass filter untuk mendeteksi detak
jantung janin dengan frekuensi 12-20 Hz dengban software Multisim
Design Circuit dan High Pass Filter Butterworth untuk mendeteksi
tekanan darah. Pembuatan simulasi rangkaian keseluruhan dengan tools
proteus, kemudian di lanjutkan dengan pembuatan desain PCB layout
dengan rangkaian PMS dengan tools Eagle. Setelah itu di lanjutkan dengan
pembuatan pemodelan 3D alat dengan sketchUp dan di lakukan pembuatan
aplikasi PMS yang meliputi deteksi detak jantung janin, tekanan darah ,
cek Indeks Massa Tubuh dan Sistem Pakar deteksi prekklamsia dengan
software Android Stuio.
2. Akurasi dan pengujian PMS sudah cukup baik dan berjalan lancar karena
Band Pass Filter berhasil mendeteksi 12-20 Hz dan High Pass Filter
Butterworth berhasil menghasilkan gelombang oscilometrik. Pada sistem
pakar , pengujian 30 laporan kasus menghasilkan akurasi keberhasilan
sistem pakar deteksi preeklamsia metode Bayesian network sebesar
83.3%.
Ucapan terimakasih
Dengan diselesaikannya artikel ilmiah ini, kami menyampaikan terimakasih
kepada semua pihak yang telah berperan dalam proses penyusunan artikel ilmiah
ini sehingga dapat terselesaikan dengan baik.
Kontribusi penulis
Penulis Satu melakukan Adminitrasi pengajuan proposal dan perakitan alat,
Penulis Kedua Telaah Pustaka Keteknikan dan Desain, Perakitan Alat, Penulis
Ketiga Telaah Pustaka medis, Relasi dengan rumah sakit dan pengaturan anggaran
dan biaya, Penulis Empat melakukan arahan riset, desain percobaan dan
penyelesaian naskah (manuskrip).
8
DAFTAR PUSTAKA
Bahri, M. 2016. Aplikasi sistem pakar bayesian network pada smartphone android
untuk pendeteksi penyakit jantung. Skripsi. Padang: Universitas Andalas
Cunningham F, K Leveno, S Bloom, J Hauth, D Rouse. 2010. Pregnancy
Hypertension. Edisi ke-2. New York: McGraw-Hill.
Dinas Kesehatan Provinsi Bengkulu. 2018. Profil Kesehatan Provinsi Bengkulu.
Dinas Kesehatan Provinsi Bengkulu. hlm: 1–200. Available at:
dinkes.bengkuluprov.go.id.
Fitri, A. 2014. Implementasi Sistem Pakar Pada Handphone Android Untuk
Diagnosis Penyakit Paru Dengan Metode Bayesian Network. Padang:
Universitas Andalas
Irawan, J. 2007. Buku Pegangan Kuliah : Sistem Pakar. Surabaya: Sekolah Tinggi
Manajemen Informatika dan Teknik Komputer Surabaya.
Levani, Y. 2019. Diagnosis Intra Uterine Fetal Death (IUFD). Available at:
https://www.alomedika.com/penyakit/obstetrik-dan-ginekologi/intra-
uterine-fetal-death-iufd/diagnosis.
Parmar, UNA Khubchandan, dan P Sharma. 2016. Study of Changes in Levels of
Serum Hs-Crp in Preeclampsia Patients. Int J Res Med 6(1); 119-121
Setyowati, M. 2012. Pengelolaan Data Pelayanan Kesehatan Ibu Dan Anak Bagian
Gizi Balita Di Puskesmas Berbasis Android Mobile Untuk Mendukung
Pencapaian Sustainable Development Goals ( SDG ’ s ). Prosiding Semnas &
Call for Papers Prodi Kesehatan Masyarakat. hlm:22–26.
Wijayanti, P. 2017. Diagnosa Gangguan Saraf Melalui Citra Iris Mata Dengan
Metode Region of Interest. Prosiding Seminar Ilmu Komputer dan Teknologi
Informasi 2(1): 35-40
Winkjosastro. 2005. Ilmu Kebidanan Edisi Ketiga Cetakan Ketujuh. 7th ed. Jakarta:
Yayasan Bina Pustaka Sarwono Prawirohardjo
9
Lampiran 1. Format Jadwal Kegiatan
1 Identiika
si
Masalah
2 Pengump
ulan
Data
3 Perancan
gan
4 Pengump
ulan Alat
dan
Bahan
5 Pembuat
an
Program
6 Pembuat
an Alat
7 Uji dan
Optimasi
10
Lampiran 2. Biodata Ketua dan Anggota
A. Identitas Diri
1. Nama Lengkap Ardi kurniawan
2. Jenis Kelamin Laki-Laki
3. Program Studi S-1 Teknik Elektro
4 NIM G1D018034
5. Tempat dan Tanggal Lahir Argamakmur, 08 April 2000
6. Alamat E-mail kardi9665@gmail.com
7. Nomor Telepon/Hp 083164652957
B. Kegiatan Kemahasiswaan yang Sedang/Pernah Diikuti
No Jenis Kegiatan Status dalam Waktu dan tempat
Kegiatan
Anggota 24-27 April 2019
Rafflessia Elcetrical Great Hubungan Di Auditorium
1
Action (LKTI Nasional) dan Universitas
2019 Masyarakat Bengkulu
Pengurus
Himpunan Mahasiswa Depertemen
2 Teknik Elektro Pengembangan 2020-sekarang
Universitas Bengkulu Pendidikan
Keteknikan (PPK)
11
C. Penghargaan yang Pernah Diterima
NO Jenis penghargaan Pihak Pemberi Tahun
Penghargaan
1.
2.
Semua data yang saya isikan dan cantumkan dalam biodata ini adalah benar dapat
dipertanggungjawabkan secara hukum. Apabila dikemudian hari ternyata dijumpai
ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi. Demikian
biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu persyaratan.
Bengkulu, 08 Desember 2020
Ketua,
Ardi kurniawan
12
A. Identitas Diri
13
C. Penghargaan yang Pernah Diterima
NO Jenis penghargaan Pihak Pemberi Tahun
Penghargaan
Semua data yang saya isikan dan cantumkan dalam biodata ini adalah benar dapat
dipertanggungjawabkan secara hukum. Apabila dikemudian hari ternyata dijumpai
ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi. Demikian
biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu persyaratan.
Bengkulu, 08 Desember 2020
Anggota I,
14
A. Identitas Diri
1. Nama lengkap Risti Dwi Ocktaviani
2. Jenis kelamin Perempuan
3. Program studi S-1 Kedokteran
4. NIM/NPM H1019027
5. Tempat dan tanggal lahir Argamakmur, 04 Oktober 2000
6. E-mail ristiocktavianii@gmail.com
7. Nomor telepon/HP 082267082585
A. Kegiatan Kemahasiswaan yang Sedang/Pernah Diikuti
NO Jenis Kegiatan Status dalam Waktu dan
Kegiatan tempat
1. Badan Eksekutif Mahasiswa Staff Universitas
FKIK KBM UNIB Pengembangan Bengkulu, 2020
Sumber Daya
Mahasiswa
2. Badan Pengurus Wilayah Staff PTBMMKI
Perhimpunan Tim Bantuan Administrasi Wilayah Satu,
Medis Mahasiswa Kedokteran Organisasi 2020
Indonesia Wilayah Satu
3. TBM Averroes (Tim Bantuan Anggota Tetap Universitas
Medis Averroes) FKIK UNIB dan Staff Bengkulu, 2020
Hubungan
Eksternal
4. Bulan Bakti FKIK UNIB Panitia Acara Bengkulu, 2020
5. National Multi Development Panitia Acara Bengkulu, 2020
Project (NMDP) ISMKI
Nasional
6. Regional Multi Development Peserta Riau, 2019
Project (RMDP) ISMKI
Wilayah Satu
7. Musyawarah Nasional Forum Liaison Officer Bengkulu, 2019
Ukhuwah Lembaga Dakwah
Fakultas Kedokteran
(FULDFK)
8. Pelatihan JMKI (Jaringan Bendahara Universitas
Mahasiswa Kesehatan Div.Kaderisasi Ahmad Dahlan,
Indonesia) Komisariat 2018
Universitas Ahmad Dahlan
9. International Workshop: Peserta Sahid Jaya
Blockchain Cryptocurrency Hotel&Conventi
15
talks and Networking 1.0- on, Yogyakarta;
AKAR 2018
10. Pelatihan Desain Jaringan Peserta Universitas
Mahasiswa Kesehatan Ahmad Dahlan,
Indonesia Wilayah Yogyakarta 2018
B. Penghargaan yang Pernah Diterima
NO Jenis penghargaan Pihak Pemberi Tahun
Penghargaan
Semua data yang saya isikan dan cantumkan dalam biodata ini adalah benar dapat
dipertanggungjawabkan secara hukum. Apabila dikemudian hari ternyata dijumpai
ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi. Demikian
biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu persyaratan.
16
Lampiran 3. Biodata Dosen Pendamping
C.1 Pendidikan/Pengajaran
No Nama Mata Kuliah Wajib/Pilihan SKS
1 Sistem Komunikasi Bergerak Wajib 2
2 Matematika Teknik 1 Wajib 3
3 Elektromagnetika Wajib 3
Telekomunikasi
4 Pengolahan Suara Wajib 2
5 Sistem Komunikasi Wajib 3
C.2 Penelitian
No Judul Penelitian Penyandang Dana Tahun
Sistem Deteksi Dini Penyakit
Jantung Dengan Menggunakan
1 FT UNAND 2015
Sistem Pakar Beyesian Network
Pada Smartphone Android
Perancangan Aplikasi untuk
2 Identifikasi Kelayakan Lahan FT UNAND 2016
Teknologi Salibu Menggunakan
17
sistem Pakar Certanty Factor
Berbasis Android
Perancangan Spectra Subtraction
Dengan Menerapkan Gaussian
3 FT UNAND 2017
Window Untuk Pennningkatan
Akurasi Pengenalan Ucapan
Perancangan Multiband Spectra
Subtraction Menggunakan
4 FT UNAND 2018
Gaussian Window Untuk Perbaikan
Kualitas Ucapan Berderau
Pengenmbangan Sistem
Informasi Akademik Di
Sekolah Menengah Atas
1 UNAND 2017
(SMA) Dr. Muhammad Natsir
Alahan Panjang, Kabupaten
Solok
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar
dan dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari
ternyata dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima
sanksi. Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah
satu persyaratan dalam pengajuan PKM-KC.
Bengkulu, 13 Desember
2019
Dosen Pendamping
(Fitrilina, MT)
18
Lampiran 4. Kontribusi anggota penulis termasuk Dosen pendamping
1. Adminitrasi pengajuan
Ardi Teknik proposal, laporan
Penulis
Kurniawan/ kemajuan, perakitan alat,
Pertama Elektro
G1D018034 relasi dengan media dan
masyarakat, survey alat.
2. Telaah Pustaka
Muhammad
Teknik Keteknikan, Penulisan
Rivaldi Ali Penulis
Proposal, Desain,
Septian. Kedua Elektro Perakitan Alat, dan Uji
/G1D018020
Coba.
19
Lampiran 5. Surat Pernyataan Ketua Pelaksana
Mengetahui,
Kepala Program Studi Teknik Elektro
20
Lampiran 6. Pernyataan Sumber Tulisan
SURAT PERNYATAAN SUMBER TULISAN PKM-AI
- NIM : G1D018034
1) Menyatakan bahwa PKM-AI yang saya tuliskan bersama anggota tim lainnya
benar bersumber dari kegiatan yang telah dilakukan:
- Kegiatan Ilmiah yang telah dilakukan sendiri oleh tim penulis.
- Topik Kegiatan adalah melakukan review terhadap jurnal-jurnal terkait potensi
tanaman sembung sebagai antikanker payudara
- Dilaksanakan di Provinsi Bengkulu Tahun 2020
2) Naskah ini belum pernah diterbitkan/dipublikasikan dalam bentuk prosiding
maupun jurnal sebelumnya.
Demikian Surat Pernyataan ini dibuat dengan penuh kesadaran tanpa paksaan pihak
manapun juga untuk dapat digunakan sebagaimana mestinya.
21
Lampiran 7. Nilai Probability Pakar
DAFTAR GEJALA HIPERTENSI PADA KEHAMILAN
Responden (dokter) yang terhormat,
Kami dari tim PKM-KC Universitas Bengkulu sedang melakukan penelitian
mengenai “PMS (PREGNANCY MONITORING SYSTEMS) UNTUK
DETEKSI DINI PREEKLAMPSIA SEBAGAI UPAYA MENCEGAH
KEMATIAN IBU DAN JANIN”. Oleh sebab itu, perkenankanlah kami untuk
meminta sedikit waktu dokter untuk membantu penelitian kami dengan mengisi
daftar gejala hipertensi pada kehamilan ini.
Pada lembar daftar gejala ini akan diberikan beberapa gejala dan faktor
resiko yang kemungkinan dirasakan oleh seorang pasien hipertensi pada kehamilan
dan diharapkan kepada responden (dokter) untuk memberikan nilai probabilitas
kemungkinan dari masing-masing gejala pada lima kriteria hipertensi pada
kehamilan, yaitu hipertensi tanpa resiko preeklampsia dan preeklampsia.
Waktu yang dokter sediakan dalam mengisi daftar gejala ini merupakan
cahaya terang untuk keberlangsungan penelitian kami juga untuk kemajuan
teknologi dalam bidang kesehatan di Indonesia.
Nama Responden: dr. Violita, SpOG
Tentukan nilai prior probability dari masing-masing gejala/parameter lain
(parameter umum/tidak termasuk pemeriksaan penunjang)
Catatan:
Nilai prior probability dari setiap gejala adalah derajat kepercayaan terhadap
suatu gejala. Prior probability digunakan ketika tidak ada informasi lain yang dapat
digunakan untuk melihat kemungkinan suatu event terjadi, tetapi ketika informasi
baru diketahui maka probabilitas yang baru harus dilihat berdasarkan informasi
yang baru diketahui tersebut. (rentang nilai 0 sampai dengan 1).
a. Gejala ringan : 0,01-0,3
b. Gejala sedang : 0,3-0,7
c. Gejala utama : 0,7-0,95
22
3. Usia ibu >35 tahun 0,65 0,65
23
19. TD ≤ 120/80 mmHg 0,01 0,01
pada ≥20 minggu usia
kehamilan
24
Lampiran 8. Diagram Alir Pembuatan Alat
MULAI
Pengecekan Desain
dan Rancangan
Pengecekan
Alat dan Bahan
Training Program
Bayesian Network
Penyatuan Masing-
Masing Komponen
Kalibrasi Pembacaan
Sensor
Penggabungan
Software dan
Hardware
SELESAI
25
Lampiran 9. Pengujian Akurasi Sistem Pakar
Hiperte
nsi Diagno Diag
No.
No. Tanpa Preekl sa nosa
Gejala Keter Hasil
Kas Gejala amsia
yang di Sistem Dok angan Simulasi
us Preekla (%)
Pilih Pakar ter
msia
(%)
26
5 2,5,8,10, 34.92 51.57 Preekl Pree Hasil
15,17,21, amsia kla diagn
22,27 msia osa
sama
27
Pree
kla
msia
28
15 3,8,14,15 43.18 62.5 Preekl Pree Hasil
,17,22,25 amsia kla diagn
msia osa
sama
29
19 2,4,8,14, 34.22 54.77 Preekl Pree Hasil
17,21 masia klm diagn
asia osa
sama
30
25 2,4,8,17, 44.25 72.67 Preekl Pree Hasil
21,22,23, amsia kla diagn
26 msia osa
sama
31
30 2,4,8,17, 32,73 57,39 Preekl Pree Hasil
21 amsia kla diagn
msia osa
sama
32