131 1 537 1 10 20170526 PDF
131 1 537 1 10 20170526 PDF
Abstrak
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.
Kata kunci: dehidrasi, urin, klasifikasi, Naive Bayes
Abstract
Dehydration is a condition when human body tissue’s loss of fluid abnormally and this condition often
underestimated by common people, so in case on serious level illness of dehydration will causes death.
However nowadays to detect dehydration still according to analysis from health team by some clinical
sign that cause dehydration. From this problem, it is needed a research about automatic system to detect
dehydration level that can use by common people, so can decrease amount of dehydration’s patient that
untreated since begining. On this research, the parameters were used to compare dehydration’s level
are color and level of ammonia in human urine. The reason of using urine as research object is because
urine condition reflect fluid condition in human body. Process to determine dehydration’s level from
color and level of ammonia in human urine is perform with read data color sensor TCS3200 and gas
sensor MQ135 by Arduino Uno Microcontroler with Naive Bayes method. Naive Bayes method is
selected as a technique to make a decision of dehydrations level because this method was one of
classification method that good, which the classification classes of dehdydration level were already
known since begining. From some testing result, it has known that the error percentage of color sensor
TCS3200 on read the color object was 2,70% and the corelation value of gas sensor MQ135 reading
with out voltage of sensor was 99,81%. And then on system testing by Naive Bayes method with amount
of training data was 46 data and testing data as many as 23 data, the accuration reached 95,65% with
average computation time was 0,69 second.
Keywords: dehydration, urine, classification, Naive Bayes
Keterangan :
(𝑋 = 𝑥𝑖 |𝑌 = 𝑦𝑖 ) : Peluang gaussian
𝜇 𝑎𝑡𝑎𝑢 𝑥̅ : nilai rata-rata (mean)
𝜎 𝑎𝑡𝑎𝑢 𝑠 : nilai standar deviasi
𝑛 : jumlah data
𝑥𝑖 : data ke-i
e : nilai eksponen (2,718282)
perkalian antara hasil dari fungsi ProbPrior() Eyedropper tool pada Corel PHOTO-PAINT,
dengan fungsi Gaussian(). dimana warna yang diuji menggunakan fitur
Tahap akhir dalam pengkasifikasian dengan Eyedropper tool tersebut didapatkan dari
Naive Bayes ini adalah menentukan nilai pengambilan gambar urin yang diujikan. Hasil
peluang posterior yang tertinggi dengan cara pengujian masing-masing alat ukur tesebut
membandingkan satu sama lain antar peluang ditunjukkan pada Tabel 1 dan Tabel 2.
posterior. Jenis dehidrasi dengan nilai peluang
Tabel 1. Hasil pembacaan warna urin
posterior paling tinggi merupakan hasil yang
melalui sensor TCS3200
klasifikasi dehidrasi yang dideteksi oleh sistem.
Peng Pembacaan Sensor
2.3 Implementasi Sistem ujian
ke- R G B HEX
Setelah tahap perancangan selesai 1 109 93 80 #6D5D50
dilakukan, selanjutnya tahap implementasi. Pada
2 87 68 62 #57443E
tahap ini dijelaskan hasil implementasi baik dari
prototype sistem maupun hasil implementasi 3 109 93 84 #6D5D54
rangkaian elektronik yang ditunjukkan pada 4 114 89 80 #725950
Gambar 9 dan Gambar 10. 5 87 72 71 #574847
6 118 110 96 #766E60
7 118 102 90 #76665A
8 123 110 93 #7B6E5D
Tabel 2. Hasil pembacaan warna urin
melalui Eyedropper tool Corel PHOTO-
PAINT
Peng Eyedropper tool Corel
Gambar 9. Implementasi prototype ujian PHOTO-PAINT
sistem ke- R G B HEX
Implementasi rangkaian elektronik sistem 1 117 75 35 #754B23
pendeteksi dehidrasi ini diterapkan pada PCB 2 87 44 9 #572C09
dan kabel jumper yang dapat disolder sehingga
dapat mengkoneksikan antar pin dari masing- 3 109 71 26 #6D471A
masing komponen. 4 116 68 22 #744416
5 89 31 11 #591F0B
6 125 93 44 #7D5D2C
7 120 81 24 #785118
8 128 90 28 #805A1C
Setelah nilai RGB dari masing-masing
(a) (b) sensor maupun alat ukur diperoleh, selanjutnya
Gambar 10. Implementasi rangkaian sensor mengubah nilai RGB tersbut menjadi pembacan
(a) TCS3200, (b) MQ135 warna dalam format HEX, sehingga
memudahkan untuk melakukan perhitungan
3. PENGUJIAN DAN ANALISIS selisih error antar kedua alat ukur pembacaan
warna. Kemudian setelah didapatkan selisih
3.1 Pengujian sensor TCS3200 dan MQ135 error masing-masing pengujian dapat dilakukan
perhitungan persentase error dari pembacaan
Sensor warna TC3200 adalah sensor utama sensor menggunakan Persamaan (4).
dalam sistem ini yang berfungsi untuk membaca
nilai RGB warna dari urin yanga dideteksi. Pada 𝑃𝑒𝑟𝑠𝑒𝑛𝑡𝑎𝑠𝑒 𝑒𝑟𝑟𝑜𝑟 (4)
pengujian sensor warna ini akan dilakukan 𝑆𝑒𝑙𝑖𝑠𝑖ℎ 𝑛𝑖𝑙𝑎𝑖 𝑝𝑒𝑚𝑏𝑎𝑐𝑎𝑎𝑛
= × 100%
dengan melakukan pembacaan dari berberapa 𝑃𝑒𝑚𝑏𝑎𝑐𝑎𝑎𝑛 𝑎𝑙𝑎𝑡 𝑢𝑘𝑢𝑟
urin yang berbeda dengan menggunakan sensor Adapun hasil perhitungan error pada
warna TC3200 kemudian nilainya akan pengujian terhadap sensor TCS3200
dibandingkan dengan alat ukur warna berupa ditunujukkan pada Tabel 3 berikut ini.
Tabel 3. Hasil perhitungan error pembacaan 3.2 Pengujian tampilan LCD 16x2
sensor TCS3200
Tabel 4. Hasil pengujian tampilan LCD 16x2
Peng Selisih Error Persentase N Kondi
ujian Gambar Keterangan
error o si
ke- HEX DEC
Proses
1 #7EDD3 519635 6,76% monitoring
2 #1835 6197 0,11% warna urin
3 #163A 5690 0,08% dengan nilai
4 #1EAC6 125638 1,65% R=215,
G=161 dan
5 #1D6C4 120516 2,06% Monito
1 B=124.
6 #6EECC 454348 5,53% ring
Proses
7 #1EAC4 125636 1,59% monitoring
8 #4EBBF 322495 3,83% tingkat
amonia urin
Rata-rata 2,70%
dengan nilai
Pada Gambar 11 menunjukkan grafik PPM=0,07.
hubungan antara nilai pembacaan PPM gas Jika user
Pering
amonia dari urin dan nilai tegangan keluaran tidak
atan
sensor sebanyak 23 kali percobaan. Grafik menekan
peneka
tersebut sesuai dengan karateristik sensor gas 2 tombol
nan
MQ135, terlihat pada gambar tersebut nilai 𝑦 = trigger
tombol
1,2234𝑥 0,2504 merupakan model regresi power tigger
muncul
antara kedua variabel tersebut, sedangkan nilai peringatan.
𝑅 2 = 0,9981 disebut sebagai koefisien
determinasi yang berarti variabel PPM amonia Pendeteksian
dipengaruhi oleh variabel Vout sebesar 99,81%. jenis
Adapun 0,19% sisanya untuk konsentrasi Dehidrasi
amonia dipengaruhi variabel lain. Ringan
Pendeteksian
Proses
jenis
3 klasifi
Dehidrasi
kasi
Sedang
Pendeteksian
jenis
Dehidrasi
Gambar 11. Hasil pengujian korelasi Berat
pembacaan sensor MQ135 dengan tegangan
keluaran sensor
Sesuai dengan yang ditunjukkan pada Tabel
4 terlihat bahwa LCD 16x2 yang diterapkan
sebagai output sistem dapat menampilkan
kondisi yang sesuai dengan yang telah dirancang
dan diimplementasikan.
dehidrasi dengan menggunakan metode Naive Selanjutnya sensor gas MQ135 yang
Bayes yang telah diimplementasikan. Pengujian diletakkan tepat diatas wadah berisi urin
akurasi ini dilakukan dengan membandingkan dapat membaca kadar amonia dari urin
hasil klasifikasi sistem yang sesuai dengan status dengan baik karena fungsionalitas sensor
klasifikasi pada data uji yang sebenarnya. Hasil yang diterapkan sesuai dengan karakteristik
pengujian akurasi sistem ini ditunjukkan pada pada datasheet sensor MQ135, dimana nilai
Tabel 5. pembacaan sensor berbanding lurus dengan
tegangan keluaran yang dihasilkan yaitu
Tabel 5. Hasil pengujian sistem pendeteksi semakin tinggi nilai tegangan keluaran
dehidrasi dengan metode Naive Bayes sensor maka semakin tinggi nilai
Jumlah data uji 23 pembacaan sensor yang ditunjukkan nilai
Jumlah data hasil klasifikasi korelasi antara kedua variabel tersebut
22 sebesar 99,81%.
sistem yang sesuai
Persentase akurasi 95,65% 2. Pada penelitian ini telah dibuat sistem
otomatisasi untuk mendeteksi jenis
3.4 Pengujian Waktu Komputasi Sistem dehidrasi berdasarkan warna dan kadar
amonia pada urin dengan menggunakan
Pada pengujian ini dilakukan pengujian metode Naive Bayes. Dimana baik semua
sebanyak 23 kali dengan memperhatikan waktu komponen alat yang digunakan maupun
komputasi yang dibutuhkan sistem ini untuk metode Naive Bayes yang diterapkan dapat
melakukan klasifikasi jenis dehidrasi sesuai berjalan sesuai dengan yang diinginkan,
yang diinginkan. Gambar 12 menunjukkan hasil terbukti dengan sistem dapat
pengukuran waktu komputasi yang dilakukan mengklasifikasikan jenis dehidrasi menjadi
sesuai dengan skenario pengujian. Berdasarkan dehidrasi ringan, dehidrasi sedang dan
hasil pengujian tersebut diperoleh rata-rata dehidrasi berat.
waktu komputasi yang diperlukan sistem untuk 3. Akurasi yang diperoleh Sistem Pendeteksi
melakukan klasifikasi jenis dehidrasi adalah Dehidrasi Berdasarkan Warna dan Kadar
sebesar 696,73 ms. Amonia pada Urin dengan Metode Naive
Bayes yang diuji dengan jumlah data latih
sebanyak 46 data dan data uji sebanyak 23
data adalah senilai 95,65%.
4. Performansi Sistem Pendeteksi Dehidrasi
Berdasarkan Warna dan Kadar Amonia
Pada Urin dengan Metode Naive Bayes
mempunyai nilai kecepatan waktu
pemrosesan rata-rata sebesar 0,69 detik dari
23 kali pengujian.
5. DAFTAR PUSTAKA
Gambar 12. Hasil pengujian waktu Adhieputra, D. A. (2010). Pemilihan Data
komputasi sistem Training untuk Meningkatkan Kinerja
Voting Feature Interval 5 (VFI 5).
4. KESIMPULAN SKRIPSI, Institut Pertanian Bogor, Ilmu
Berdasarkan hasil pengujian yang telah Komputer, Bogor.
dilakukan pada penelitian ini maka dapat ditarik Amstrong, L. E. (2000). Assess Your Hydration
kesimpulan sebagai berikut : Status.
1. Sensor warna TCS3200 yang ditempatkan Amstrong, W. J. (1998). Air Kehidupan. Jakarta:
tepat dibawah wadah urin dapat membaca Gramedia Pustaka Utama.
nilai RGB warna dari urin dengan rata-rata
Arduino. (2016). Arduino Uno Atmega328P.
error yang kecil yakni sebesar 2,70%
Dipetik Agustus 28, 2016, dari
sehingga dapat dikatakan sensor bekerja
https://www.arduino.cc/en/Main/Ardui
dengan baik karena dapat membaca
noBoardUno
perubahan warna yang berbeda dengan
perubahan nilai yang kecil sekalipun. Asmadi. (2008). Teknik Prosedural