• Tidak ada hasil yang ditemukan

PREDIKSI DOSIS SERAP RADIASI IONISASI DENGAN PERANGKAT LUNAK DOSE ESTIMATE VERSI 4.1

N/A
N/A
Protected

Academic year: 2021

Membagikan "PREDIKSI DOSIS SERAP RADIASI IONISASI DENGAN PERANGKAT LUNAK DOSE ESTIMATE VERSI 4.1"

Copied!
9
0
0

Teks penuh

(1)

PREDIKSI DOSIS SERAP RADIASI IONISASI

DENGAN PERANGKAT LUNAK DOSE ESTIMATE VERSI 4.1

Dwi Ramadhani

Pusat Teknologi Keselamatan dan Metrologi Radiasi – BATAN

ABSTRAK

PREDIKSI DOSIS SERAP RADIASI IONISASI DENGAN PERANGKAT LUNAK DOSE ESTIMATE VERSI 4.1. Penentuan nilai dosis serap radiasi pengion pada korban kecelakaan radiasi secara

biologis (biodosimetri) dilakukan dengan menggunakan kurva standar respon dosis yang menggambarkan hubungan antara frekuensi aberasi kromosom khususnya disentrik pada sel limfosit darah tepi dengan besarnya dosis radiasi. Laboratorium yang akan melakukan biodosimetri melalui analisis aberasi kromosom harus memiliki kurva standar respon dosis terlebih dahulu sebelum melakukan prediksi dosis berdasarkan aberasi kromosom. Saat ini telah dikembangkan perangkat lunak untuk membantu pembuatan kurva respon dosis standar terhadap jumlah disentrik serta memprediksi dosis serap yang diterima tubuh yaitu DOSE ESTIMATE 4.1. Selain DOSE ESTIMATE 4.1 terdapat perangkat lunak lain yang dapat digunakan lunak untuk membantu pembuatan kurva respon dosis standar terhadap jumlah disentrik yaitu Chromosomal

AberrationsCalculation Software 2.0 (CABAS 2.0). Tujuan kegiatan yang dilakukan adalah untuk

mengetahui keakuratan DOSE ESTIMATE 4.1 dalam menentukan nilai A, α dan β serta membuat kurva standar respon dosis dan memprediksi nilai dosis serap tubuh serta batas atas dan bawah kepercayaannya dibandingkan dengan CABAS 2.0. Hasil penghitungan DOSE ESTIMATE 4.1 menunjukkan bahwa tingkat keakuratan DOSE ESTIMATE 4.1 cukup baik dan tidak berbeda signifikan dengan CABAS. Dengan demikian dapat disimpulkan bahwa DOSE ESTIMATE dapat digunakan untuk memperkuat hasil pengolahan data dengan CABAS 2.0 dalam menentukan nilai A, α dan β serta membantu pembuatan kurva standar respon dosis yang menggambarkan hubungan antara frekuensi aberasi kromosom khususnya disentrik pada sel limfosit dengan dosis radiasi juga memprediksi dosis serap tubuh serta batas kepercayaannya secara akurat.

Kata kunci: Aberasi Kromosom, Biodosimetri, Disentrik, DOSE ESTIMATE 4.1, Kurva

Respon Dosis Standar

ABSTRACT

PREDICTION OF ABSORBED DOSE OF IONIZING RADIATION WITH SOFTWARE DOSE ESTIMATE 4.1. Determination of absorbed dose of ionizing radiation on radiation accident victim by a

biological process (biodosimetry) can be done using a dose response standard curve that illustrate relationship between frequency of chromosome aberration especially dicentrics in human lymphocytes and radiation dose. Laboratory that will conduct biodosimetry through analysis of chromosome aberrations must has a standard dose response curve before predicting the absorbed dose based on chromosome aberrations. Currently there’s been developed a software for establish dose response standard curve and predicting absorbed dose that received by human body namely Dose Estimate 4.1. Another software has already developed to establish dose response standard curve called Chromosomal Aberrations Calculation Software 2.0 (CABAS 2.0). The aim of this research is to check the accuracy of the DOSE ESTIMATE 4.1 in determining the value of A, α and β and also establishing dose response standard curve and estimating the absorbed doses with the upper and lower confidence limit value compared with CABAS 2.0. The results showed that the accuracy of DOSE ESTIMATE 4.1 was good and did not differ significantly with CABAS. Based on that it can be concluded that the DOSE ESTIMATE 4.1 can be used to strengthen the results of data processing by CABAS 2.0 in determining the value of A, α, β and for establish dose response standard curve and estimating individually absorbed dose with the confidence limit value.

Keywords: Chromosome Aberration, Biodosimetry, DOSE ESTIMATE 4.1, Dicentric, Dose Response

(2)

I. PENDAHULUAN

Paparan radiasi pengion terhadap tubuh dapat menyebabkan perubahan pada materi biologik khususnya materi genetik sel. Sejumlah perubahan atau kerusakan yang timbul dapat digunakan untuk memprediksi kemungkinan risiko akibat radiasi pengion pada kesehatan tubuh, antara lain perubahan struktur kromosom pada sel limfosit darah tepi 1. Keberadaan perubahan struktur kromosom pada sel limfosit darah tepi (aberasi kromosom) dapat digunakan untuk memprediksi besarnya dosis serap radiasi pengion yang memapar tubuh (dosimeter biologis).

Perubahan struktur kromosom akibat paparan radiasi dapat dibagi menjadi dua kelompok utama yaitu aberasi kromosom stabil dan tidak stabil. Aberasi kromosom stabil dalam sel tidak akan hilang setelah proses pembelahan mitosis berikutnya, contohnya adalah translokasi (terjadi perpindahan fragmen antar satu atau lebih kromosom). Sedangkan aberasi kromosom tidak stabil akan hilang setelah proses pembelahan mitosis berikutnya, contohnya adalah kromosom disentrik (kromosom dengan dua sentromer), fragmen asentrik (fragmen kromosom yang tidak mengandung sentromer) dan kromosom cincin. Perubahan struktur kromosom yang spesifik akibat terinduksi paparan radiasi pada tubuh ialah kromosom disentrik 2.

Penentuan nilai dosis serap radiasi pengion pada korban kecelakaan radiasi secara biologis (biodosimetri) dilakukan

dengan menggunakan kurva standar respon dosis yang menggambarkan hubungan antara frekuensi aberasi kromosom khususnya disentrik pada sel limfosit darah tepi dengan besarnya dosis radiasi. Hubungan tersebut dinyatakan dengan persamaan berikut 3. Y = A + αD + βD2 ... (1) keterangan:

Y = frekuensi disentrik per sel A = level radiasi latar

α = koefisien linier terhadap dosis β = koefisien kuadrat terhadap dosis D = dosis radiasi

Laboratorium yang akan melakukan biodosimetri melalui analisis aberasi kromosom harus memiliki kurva standar respon dosis terlebih dahulu sebelum melakukan prediksi dosis berdasarkan aberasi kromosom 3. Kurva standar respon dosis dapat diperoleh dengan mencari nilai A, α dan β terlebih dahulu dari hasil data aberasi kromosom. Proses mendapatkan nilai α dan β cukup sulit dilakukan oleh peneliti aberasi kromosom dengan latar belakang pendidikan di bidang biologi serta tidak banyak program komputer yang dapat membantu peneliti untuk mendapatkan nilai α dan β 4.

Untuk memperoleh nilai α dan β akan lebih mudah bila menggunakan bantuan perangkat lunak yang khusus digunakan untuk keperluan biodosimetri. Banyak laboratorium sudah membuat perangkat lunak untuk membantu memperoleh nilai α dan β serta pembuatan kurva standar respon dosis dan memprediksi dosis serap secara lebih cepat. Tetapi umumnya perangkat lunak yang dibuat tidak mudah digunakan dan tidak mudah diperoleh. Hingga saat ini hanya

(3)

sedikit perangkat lunak yang mudah digunakan dan dapat diperoleh secara bebas untuk membantu memperoleh nilai α dan β serta membantu pembuatan kurva standar respon dosis. Salah satu perangkat lunak yang dapat diperoleh dengan mudah adalah yaitu Chromosomal Aberrations Calculation

Software 2.0 (CABAS 2.0) 5.

Selain CABAS 2.0 telah dikembangkan perangkat lunak yang juga diperuntukkan untuk membantu memperoleh nilai α dan β serta membantu pembuatan kurva standar respon dosis yaitu DOSE ESTIMATE 4.1 oleh Health Protection Agency (HPA). DOSE ESTIMATE dibuat

dengan program Borland Delphi 6 dan memiliki tujuh menu yaitu Aberration Dose Estimate, Simple Isotropic Dose, Criticality, Partial Body Exposure, Yield Curve Fitting,

Translocation Analysis (FISH), Other

Statistics 6 (Gambar 1). Berbeda dengan

CABAS pada DOSE ESTIMATE menu untuk memprediksi dosis dan mencari nilai α dan β serta pembuatan kurva standar respon dosis dibuat terpisah. DOSE ESTIMATE 4.1 juga menampilkan hasil penghitungan statisik yaitu indek dispersi dan Uji U untuk mengetahui distribusi aberasi kromosom tiap dosis.

Gambar 1. Menu pada perangkat lunak DOSE ESTIMATE 4.1

Tujuan kegiatan yang dilakukan ialah untuk mengetahui keakuratan DOSE ESTIMATE 4.1 dalam menentukan nilai A, α dan β serta membuat kurva standar respon dosis dan memprediksi dosis serap tubuh

serta batas atas dan bawah kepercayaannya dibandingkan dengan CABAS 2.0.

(4)

II. BAHAN DAN METODE

Bahan yang digunakan adalah data contoh pada Tabel 1, data pada contoh kasus dalam buku Technical Reports IAEA No. 405 (Tabel 2), perangkat lunak CABAS 2.0 dan

DOSE ESTIMATE 4.1. Metode yang dilakukan adalah mengolah data pada Tabel 1 dan 2 menggunakan CABAS 2.0 dan DOSE ESTIMATE 4.1 kemudian dibandingkan hasil dari kedua perangkat lunak tersebut.

Tabel 1. Data Dosis Radiasi dan Jumlah Disentrik Tiap Dosis Dosis (Gy) Jumlah sel metafase yang diamati Jumlah Disentrik Distribusi Disentrik 0 1 2 3 4 5 6 0,10 1743 4 1739 4 0 0 0 0 0 0,25 1269 9 1260 9 0 0 0 0 0 0,50 1514 28 1486 28 0 0 0 0 0 0,75 858 25 834 23 1 0 0 0 0 1 1485 101 1388 93 4 0 0 0 0 2 979 223 785 169 21 4 0 0 0 3 324 160 193 105 23 3 0 0 0 4 375 363 143 136 69 19 8 0 0 5 358 577 63 119 104 48 15 8 1

Tabel 2. Data Contoh Kasus dalam buku Technical Reports IAEA No. 405

Nilai A Nilai α Nilai β Jumlah

Disentrik

Jumlah Sel Yang Diamati

0,000476 0,01645 0,04925 25 500

III. HASIL DAN PEMBAHASAN

Hasil pengolahan data pada Tabel 1 menggunakan CABAS 2.0 didapatkan nilai A, α dan β masing-masing sebesar 0,0024; 0,0613; dan 0,0024 (Gambar 2). Sedangkan menggunakan DOSE ESTIMATE 4.1 diperoleh nilai A, α dan β masing-masing

sebesar 0,0019; 0,0603; dan 0,0008 (Gambar 3). Baik pada CABAS 2.0 maupun DOSE ESTIMATE 4.1 langsung diperoleh kurva respon dosis, yang membedakan adalah pada DOSE ESTIMATE 4.1 ditampilkan hasil penghitungan statisik yaitu indek dispersi dan Uji U tiap-tiap dosis untuk mengetahui distribusi aberasi kromosom tiap dosis.

(5)

Gambar 2. Hasil pengolahan data pada Tabel 1 menggunakan CABAS 2.0

Gambar 3. Hasil pengolahan data pada Tabel 1 menggunakan DOSE ESTIMATE 4.1

Nilai A atau level radiasi latar adalah nilai frekuensi disentrik persel pada kontrol. Sedangkan nilai α dan β diperoleh dengan dengan cara menyelesaikan sembilan persamaan linier yang terbentuk dari masing-masing dosis yaitu :

0,0023 = 0,0005 + α(0,10) + β(0,10)2 0,0070 = 0,0005 + α(0,25) + β(0,25)2 0,0185 = 0,0005 + α(0,50) + β(0,50)2 0,0291 = 0,0005 + α(0,75) + β(0,75)2 0,0680 = 0,0005 + α(1) + β(1)2 0,2280 = 0,0005 + α(2) + β(2)2 0,4938 = 0,0005 + α(3) + β(3)2 0,968 = 0,0005 + α(4) + β(4)2 1,611 = 0,0005 + α(5) + β(5)2

Penyelesaian sembilan sistem persamaan linier di atas untuk mendapatkan nilai α dan β dapat dilakukan dengan metode pengulangan maximum-likelihood (iterative maximum-likelihood methods). Selain itu untuk memastikan homogenitas radiasi maka

(6)

perlu dilakukan penghitungan indeks dispersi (S2/Y) masing-masing dosis. Indeks dispersi adalah perbandingan antara varians dan frekuensi disentrik persel. Radiasi dosis rendah yang homogen akan menghasilkan ionisasi acak pada sel sehingga distribusi aberasi kromosom dalam sel akan mendekati distribusi Poisson. Apabila nilai indeks dispersi yang diperoleh mendekati satu maka dapat diasumsikan bahwa disentrik terdistribusi secara Poisson. Sebagai analisa tambahan dapat dilakukan Uji-U (U-Test), bila nilai Uji-U pada suatu dosis berada pada rentang -1,96 sampai 1,96 maka distribusi disentrik mengikuti distribusi Poisson 7,8.

Hasil uji U serta nilai indeks dispersi tiap dosis dari data pada Tabel 1 oleh DOSE ESTIMATE menunjukan bahwa radiasi sudah homogen. Hal tersebut terlihat pada nilai indeks dispersi tiap dosis yang dihasilkan mendekati atau lebih sedikit dari satu. Homogenitas radiasi juga ditunjukan oleh nilai hasil uji U tiap dosis yang berada pada rentang -1,96 sampai 1,96, sehingga dapat disimpulkan bahwa distribusi disentrik pada data Tabel 1 mengikuti distribusi Poisson.

Untuk membandingkan keakuratan prediksi dosis menggunakan CABAS 2.0 dan DOSE ESTIMATE 4.1 digunakan contoh kasus pada Technical Reports IAEA No. 405 halaman 43 yaitu ditemukan 25 disentrik dari

500 sel yang diamati. Nilai A, α dan β untuk memprediksi dosis diperoleh dari contoh kasus yaitu sebesar (0,000476), (0,01645) dan (0,04925). Prediksi menggunakan CABAS menghasilkan nilai dosis sebesar 0,8496 Gy sedangkan menggunakan DOSE ESTIMATE nilai yang dihasilkan adalah sebesar 0,850 Gy. Hasil yang diperoleh menunjukan bahwa prediksi dosis menggunakan CABAS atau DOSE ESTIMATE tidak berbeda selama nilai A, α dan β yang digunakan sama.

Perbedaan antara CABAS dan DOSE ESTIMATE terletak pada kemudahan penggunaan, CABAS lebih mudah digunakan untuk memprediksi dosis dan menghitung nilai A, α dan β bila dibandingkan DOSE ESTIMATE. Perbedaan lain adalah pada CABAS jumlah disentrik yang digunakan tidak boleh melebihi 300, sebagai contoh apabila dalam 1000 sel ditemukan 301 disentrik maka CABAS tidak dapat digunakan untuk memprediksi dosis yang memapar tubuh (Gambar 4). Berbeda dengan CABAS pada DOSE ESTIMATE tidak ada batasan jumlah disentrik yang digunakan sehingga bila ditemukan 301 disentrik dalam 1000 sel maka dosis yang memapar dapat diprediksi yaitu sebesar 2,309 Gy (Gambar 5).

(7)

Gambar 4. Prediksi dosis dengan CABAS bila jumlah disentrik yang ditemukan melebihi 300

Gambar 5. Prediksi dosis dengan DOSE ESTIMATE bila jumlah disentrik yang ditemukan melebihi 300.

Seperti halnya dengan CABAS, DOSE ESTIMATE selain dapat digunakan untuk menentukan nilai A, α dan β serta memprediksi dosis serap tubuh serta batas atas dan bawah kepercayaannya juga dapat digunakan untuk memprediksi dosis pada kasus pajanan lokal (partial body exposure). Secara keseluruhan hasil pengolahan data dengan DOSE ESTIMATE 4.1 untuk

menentukan nilai A, α dan β serta membuat kurva standar respon dosis kemudian memprediksi dosis serap tubuh menunjukkan tingkat keakuratan yang cukup baik dan tidak berbeda secara signifikan dengan hasil menggunakan CABAS 2.0.

(8)

IV. KESIMPULAN

DOSE ESTIMATE 4.1 merupakan perangkat lunak yang dapat digunakan untuk memperkuat hasil pengolahan data dengan CABAS 2.0 dalam menentukan nilai A, α dan β serta membantu pembuatan kurva standar respon dosis yang menggambarkan hubungan antara frekuensi aberasi kromosom khususnya disentrik pada sel limfosit dengan dosis radiasi juga memprediksi dosis serap tubuh serta batas kepercayaannya secara akurat di laboratorium Sitogenetik PTKMR. DAFTAR PUSTAKA

1. ALATAS, Z., Efek Paparan Radiasi Pada Manusia, http://serpong6.batan.go.id/ ptkmr Referensi/efek_radiasi.htm, Jakarta, 2005.

2. TOP, A., COPKUM, M., and ORTA, T., Biological Dosimetry of Co-60 Gamma Radiation. Turk J Haematol. 17(4), 2000, p. 189-196.

3. INTERNASIONAL ATOMIC ENERGY AGENCY, Cytogenetics Analysis For Radiation Dose Assessment. A Manual Series No.405, IAEA-Vienna Austria, 2001.

4. AINSBURY, A., and BARQUINERO, J.F., Biodosimetric tools for a fast triage of people accidentally exposed to ionizing radiation. Statistical and computational aspects, Ann Ist super sAnItà 45(3), 2009 307-312.

5. DEPERAS, J., SZLUINSKA, M.,

DEPERAS-KAMISKA, M.,

EDWARDS, A., LLYOD, D.,

LINDHLOM, C., ROMM, H., ROY, L., MORAND, J., dan WOJCIK, A., CABAS: A Freely Avalaible PC Program for Fitting Calibration Curves in Chromosome Aberration Dosimetry. Radiation Protection Dosimetry 124 (2), 2007, p. 115-123.

6. AINSBURY, A., and LLYOD, D., Dose Estimation Software for Radiation Biodosimetry, Health Physics 98(2), 2010, p. 290-295.

7. SZLUINSKA, M., EDWARDS, A., LLYOD, D., Statistical Methods for Biological Dosimetry. HPA Report, 2005.

8. EDWARDS, AA., LLOYD, DC., PURROTT, RJ., Radiation induced chromosome aberrations and the Poisson distribution. Radiat. Environ. Biophys 1979, p. 16:89.

TANYA JAWAB

1. Penanya :

Sri Setiyowati – PRR

Pertanyaan :

- Apa tindakan apabila seseorang

diketahui

mempunyai

kelainan

kromosom pada pekerja radiasi dan

apa pencegahannya?

Jawaban : Dwi Ramadhani

- Akan

direkomendasikan

untuk

berhenti sementara kemudian akan

dianalisis ulang dalam jangka

waktu yang cukup lama untuk

melihat apakah masih terdapat

kerusakan kromosom.

- Pencegahannya

ialah

dengan

menerapkan standar keselamatan

yang baik saat bekerja dengan

radiasi.

2. Pennya : Rosdiani – PTKMR

Pertanyaan :

- Apakah radiasi latar berpengaruh

besar

terhadap

kromosom,

mengingat tiap daerah radiasi

latarnya berbeda?

- Daerah mana yang radiasi latarnya

terbesar dipengaruhi faktor apa saja

sehingga di daerah tersebut radiasi

latarnya besar?

(9)

Jawaban : Dwi Ramadhani

- Tergantung dari besarnya radiasi

latar tiap daerah. Apabila nilainya

cukup

untuk

menginisiasi

terbentuknya kerusakan kromosom

maka

radiasi

latar

dapat

menyebabkan kerusakan kromosom

- Sampai saat ini setahu saya daerah

Mamuju yang memiliki radiasi

tinggi di Indonesia. Radiasi latar

dipengaruhi oleh radiasi alam, bila

radiasi

alamnya

tinggi

maka

otomatis nilai radiasi latarnya akan

tinggi.

Gambar

Gambar 1. Menu pada perangkat lunak DOSE ESTIMATE 4.1
Tabel 2. Data Contoh Kasus dalam buku Technical Reports IAEA No. 405
Gambar 2. Hasil pengolahan data pada Tabel 1 menggunakan CABAS 2.0
Gambar 4. Prediksi dosis dengan CABAS bila jumlah disentrik yang ditemukan melebihi 300

Referensi

Dokumen terkait

 Adjustable guard yaitu  pengaman yang dipasan pada mesin-mesin seperti geregaji mesin, pengaman mesin  jenis ini merupakan pengaman mesin yang diatur pemasangannya

yang Ketiga, menggunakan analisis komparatif, yaitu membandingkan data-data yang telah peneliti peroleh dari kedua pendekatan di atas dan kemudian mengambil kesimpulan yang

Gambar 3. Korelasi antara kuat tekan BAR dan BAN.. Perubahan kuat tekan BAR terhadap waktu rendaman air laut Gambar 4 memperlihatkan hasil pengujian kuat tekan BAR dengan

Kemudian, sambungkan alat pengukur tingkat kematangan buah dengan komputer menggunakan kabel USB melalui USB Port.Perhatikan lampu indicator.Jika lampu indicator menyala berarti

Berdasarkan hasil wawancara dengan guru kelas IV-B, ada tujuh penjelasan mengenai pembelajaran menulis narasi dengan menggunakan BKS. Berikut adalah

Tujuan penelitian ini adalah untuk menentukan kandungan total fenol, total flavonoid, total vitamin C, aktivitas antioksidan dan komposisi flavonoid dari tanaman

Adapun tujuan penelitian ini adalah untuk memperoleh gambaran tentang peran praktikum dalam membekali kemampuan generik pada mahasiswa calon guru di suatu LPTK

Backpropagation mempunyai kelemahan dalam melakukan pelatihan secara terbimbing sehingga untuk memperbaiki performanya peneliti mencoba menggunakan pembagian data ke