Sistem Pendeteksi Dehidrasi Berdasarkan Warna Dan Kadar Amonia Pada Urin Berbasis Sensor TCS3200 Dan MQ135 Dengan Metode Naive Bayes
| Main Author: | Amani, RintZata |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/147408/1/ABSTRAK.pdf http://repository.ub.ac.id/147408/2/SKRIPSI.pdf http://repository.ub.ac.id/147408/ |
Daftar Isi:
- Dehidrasi merupakan kondisi ketika jaringan tubuh manusia kehilangan cairan secara tidak normal dan hal ini sangat sering disepelekan sehingga terkadang untuk kondisi dehidrasi yang cukup berat dapat menyebabkan kematian. Namun untuk saat ini pendeteksian dehidrasi hanya berdasarkan pada analisa tim kesehatan dengan beberapa tanda klinis penyebab dehidrasi. Dari permasalahan tesebut, diperlukan adanya penelitian yang terkait dengan sistem otomatisasi untuk mendeteksi tingkatan dehidrasi yang dapat digunakan orang awam, sehingga dapat mengurangi jumlah penderita dehidrasi yang tidak tertangani karena tidak mengetahui gejala dehidrasi sejak awal. Pada penelitian ini parameter-parameter yang digunakan untuk melakukan perbandingan tingkatan dehidrasi adalah warna dan kadar amonia pada urin manusia. Penggunaan parameter urin sebagai obyek penelitian dikarenakan kondisi urin mencerminkan kondisi cairan yang ada pada tubuh manusia. Proses penentuan tingkatan dehidrasi melalui warna dan kadar amonia urin diperoleh dari nilai hasil pembacaan sensor warna TCS3200 dan sensor gas MQ135 oleh mikrokontroler Arduino Uno dengan menggunakan metode Naive Bayes. Metode Naive Bayes dipilih sebagai salah satu teknik untuk pengambilan keputusan jenis tingkatan dehidrasi, karena metode ini merupakan salah satu metode klasifikasi yang cukup baik dimana kelas penggolongan jenis tingkatan dehidrasi telah diketahui sejak awal. Dari hasil beberapa pengujian yang dilakukan diketahui persentase error pembacaan sensor warna TCS3200 adalah sebesar 2,70% dan nilai korelasi pembacaan sensor gas MQ135 dengan tegangan keluarannya sebesar 99,81%. Selanjutnya pada pengujian sistem menggunakan metode Naive Bayes dengan jumlah data latih sebanyak 46 data dan data uji sebanyak 23 data, diperoleh akurasi sebesar 95,65% dengan waktu komputasi rata-rata selama 0,69 detik.