Sistem Pendeteksi Kondisi Paru-Paru Berdasarkan Suhu Tubuh, Warna Kuku, Tingkat Respirasi, Dan Kadar Oksigen Dalam Darah Dengan Metode K-Nearest Neighbor

Baharin, Alfatehan Arsya and Rizal Maulana, S.T., M.T., M.Sc. and Hurriyatul Fitriyah, S.T., M.Sc (2020) Sistem Pendeteksi Kondisi Paru-Paru Berdasarkan Suhu Tubuh, Warna Kuku, Tingkat Respirasi, Dan Kadar Oksigen Dalam Darah Dengan Metode K-Nearest Neighbor. Sarjana thesis, Universitas Brawijaya.

Abstract

Ilmu pengobatan saat ini agar dapat mendeteksi kondisi paru-paru yang mempunyai penyakit tuberkulosis dan Pneumonia ialah dengan CT-Scan dan melakukan pengujian tes dahak. Untuk mengkonfirmasi kondisi paru-paru dari tes tersebut membutuhkan waktu yang lama. Dari permasalahan yang ada, diperlukan adanya penelitian untuk pendeteksi kondisi paru-paru, sehingga hasil dari pemeriksaan kondisi paru-paru dapat segera diketahui setelah dilakukannya pemeriksaan. Penyakit tuberkulosis dan Pneumonia mempunyai beberapa gejala yang sama, yang nantinya pada sistem pendeteksi kondisi paru-paru akan digunakan sebagai paramater untuk menentukan output sistem. Parameter yang digunakan yaitu kadar oksigen dalam darah, warna kuku, suhu tubuh, dan tingkat respirasi. Komponen yang berperan sebagai pengolah data ialah mikrokontroler Arduino Mega dengan menggunakan empat inputan sensor yaitu MAX 30100, TCS 3200, MLX 90614, dan Flex sensor. Yang nantinya akan digunakan metode K-NN untuk menentukan keluaran kelas yang terdapat pada sistem, yaitu kelas Normal, TB, dan Pneumonia. Terdapat 14 data yang diujikan dengan 30 data latih dalam menentukan keakuratan klasifikasi menggunakan metode K-NN. 1 dari 14 data yang diujikan mengalami ketidaksesuaian kelas yang mengakibatkan tingkat keakuratan bernilai 92,8% dengan K bernilai 3 sebagai nilai K terbaik. Dari 10 kali pengujian sistem, didapatkan waktu rata-rata kecepatan komputasi sebesar 1030,5 ms.

English Abstract

Current medical science in order to detect the condition of the lungs that have tuberculosis and pneumonia is by CT-Scan and sputum testing. To confirm the condition of the lungs from the test requires a long time. From the existing problems, research is needed to detect the condition of the lungs, so that the results of the examination of the condition of the lungs can be immediately known after the examination. Tuberculosis and Pneumonia have some of the same symptoms, which later in the lung condition detection system will be used as a parameter to determine the system output. The parameters used are oxygen levels in the blood, nail color, body temperature, and respiration rate. Components that act as data processors are the Arduino Mega microcontroller by using four sensor inputs, namely MAX 30100, TCS 3200, MLX 90614, and Flex sensors. The K-NN method will be used to determine the class output contained in the system, namely the Normal, TB, and Pneumonia classes. There are 14 data tested with 30 training data in determining the accuracy of classification using the K-NN method. 1 of the 14 data tested experienced a class mismatch which resulted in an accuracy rate of 92.8% with K valued at 3 as the best K value. From 10 times of system testing, an average computational speed of 1030.5 ms is obtained.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	0520150045
Uncontrolled Keywords:	paru-paru, kuku, kadar oksigen dalam darah, suhu tubuh, tingkat respirasi, K-NN, lungs, nail, oxygen levels in the blood, body temperature, respiration rate, K-NN
Subjects:	000 Computer science, information and general works > 005 Computer programming, programs, data > 005.4 Systems programming and programs > 005.43 Systems programs
Divisions:	Fakultas Ilmu Komputer > Teknik Komputer
Depositing User:	Budi Wahyono Wahyono
Date Deposited:	27 Feb 2021 03:38
Last Modified:	11 Oct 2024 03:09
URI:	http://repository.ub.ac.id/id/eprint/183504

Text 0520150045-Alfatehan Arsya Baharin.pdf Download (2MB)

Actions (login required)

View Item