Sistem Klasifikasi Diabetes Melitus Berdasarkan Kondisi Urin, Gas Buang Pernapasan Dan Tekanan Darah Menggunakan Metode Naive Bayes Berbasis Arduino, Rizal Maulana,S.T.,M.T.,M.Sc dan Hurriyatul Fitriyah, S.T., M.Sc
| Main Author: | Fitriani, Dwi |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2021
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/186368/1/Dwi%20Fitriani.pdf http://repository.ub.ac.id/186368/ |
Daftar Isi:
- Diabetes melitus merupakan penyakit yang menyerang ke manusia tanpa memandang usia. Seseorang akan mengalami diabetes melitus ketika kadar gula darah dalam tubuh mengalami peningkatan, sehingga menyebabkan berkurangnya insulin dalam tubuh. Pemeriksaan diabetes dapat dilakukan dengan menggunakan alat tes gula darah dengan menggunakan sampel darah yang diambil dari jari tangan seseorang. Pemeriksaan dengan cara ini menimbulkan rasa sakit dan tidak nyaman. Dengan permasalahan tersebut, penelitian ini bertujuan untuk membuat sebuah sistem yang dapat digunakan untuk mendeteksi seseorang tanpa menggunakan sampel darah (non-invasif). Dalam penelitian sistem pendeteksi diabetes melitus menggunakan parameter kondisi urin, gas buang pernapasan dan tekanan darah. Kondisi urin yang digunakan yaitu kadar gas amonia pada urin manusia, gas buang pernapasan yang digunakan yaitu kadar gas aseton dari napas manusia serta tekanan darah manusia. Pengolahan data dilakukan dengan menggunakan mikrokontroler Arduino Uno. Data tersebut diperoleh dari output sensor MQ-135, TGS-822 dan sensor MPX5700AP. Dari hasil pengujian didapatkan nilai korelasi sensor MQ-135 dan TGS-822 dengan tegangan keluarannya sebesar 99,29% dan 98,56%, sedangkan untuk sensor MPX5700AP diketahui presentase eror sistole dan diastole sebesar 8,90% dan 4,64%. Sistem mengklasifikasikan penyakit diabetes melitus menggunakan metode Naive Bayes. Menggunakan 12 data uji dan 24 data latih untuk menentukan akurasi klasifikasi Naive Bayes. Dari 12 data uji terdapat 1 data yang kelasnya tidak sesuai sehingga nilai akurasi menjadi sebesar 91,67%. Sedangkan, waktu rata-rata komputasi sistem yang didapatkan dalam 10 kali pengujian yaitu sebesar 1,02 detik.