Cite This        Tampung        Export Record
Judul Identifikasi diabetes mellitus melalui urine menggunakan deret sensor gas dan metode probabilistic neural network / Intan Rolystiana Devi 6022231041; Pembimbing Prof. Dr. Muhammad Rivai, S.T., M.T.; Dr. Ir. Djoko Purwanto, M.Eng.
Pengarang Intan Rolystiana Devi
Penerbitan Surabaya : [s.n.], 2025
Deskripsi Fisik xvii, 101 hlm. :ilus ;29 cm.
Subjek Analog-to-digital converter
Neural networks (computer science)
Abstrak Diabetes Mellitus merupakan salah satu penyakit kronis yang belum dapat disembuhkan. Diabetes Mellitus disebabkan oleh tingginya kadar glukosa dalam urine yang tidak diserap oleh ginjal. Jika penyakit ini tidak segera diatasi, maka akan menimbulkan komplikasi dalam tubuh bahkan dapat mengancam nyawa. Pemeriksaan secara invasive dengan mengambil sampel darah menimbulkan rasa nyeri dan tidak nyaman pada penderita, sehingga perlu adanya terobosan untuk beralih ke pemeriksaan secara non invasive, salah satunya dengan menggunakan sampel urine yang relatif lebih cepat, aman dan nyaman. Pada penelitian ini dikembangkan sistem untuk identifikasi diabetes mellitus menggunakan tujuh sensor gas semikonduktor dan Arduino Mega sebagai mikrokontroller untuk mengubah nilai sinyal analog menjadi data digital yang dikirimkan ke komputer. Metode Probabilistic Neural Network (PNN) digunakan untuk mengenali pola dan mengidentifikasi urine sehat dan diabetes. Hasil percobaan akhir secara realtime menunjukkan bahwa metode PNN dapa
Catatan Tesis (S2) - Departemen Teknik Elektro - FTEIC - ITS
Bibliografi : hlm. 57-61
Penyakit, Urine, Diabetes Mellitus, Probabilistic Neural Network, Sensor Gas, disease, urine, diabetes mellitus, gas sensor, probabilistic neural network
Bentuk Karya Tidak ada kode yang sesuai
Target Pembaca Tidak ada kode yang sesuai
https://repository.its.ac.id/120568/

 
No Barcode No. Panggil Akses Lokasi Ketersediaan
3100026000008 RTE 0008 INT i 2025 Baca di tempat Perpustakaan ITS - Ruang Ikoma Corner Tersedia
Tag Ind1 Ind2 Isi
001 INLIS000000000080549
005 20260102095741
007 ta
008 260102################|##########|#|##
035 # # $a 0010-0126000013
082 # # $a 0008
084 # # $a RTE 0008 INT i 2025
100 0 # $a Intan Rolystiana Devi
245 1 # $a Identifikasi diabetes mellitus melalui urine menggunakan deret sensor gas dan metode probabilistic neural network /$c Intan Rolystiana Devi 6022231041; Pembimbing Prof. Dr. Muhammad Rivai, S.T., M.T.; Dr. Ir. Djoko Purwanto, M.Eng.
260 # # $a Surabaya :$b [s.n.],$c 2025
300 # # $a xvii, 101 hlm. : $b ilus ; $c 29 cm.
500 # # $a Tesis (S2) - Departemen Teknik Elektro - FTEIC - ITS
504 # # $a Bibliografi : hlm. 57-61
505 # # $a Penyakit, Urine, Diabetes Mellitus, Probabilistic Neural Network, Sensor Gas, disease, urine, diabetes mellitus, gas sensor, probabilistic neural network
520 # # $a Diabetes Mellitus merupakan salah satu penyakit kronis yang belum dapat disembuhkan. Diabetes Mellitus disebabkan oleh tingginya kadar glukosa dalam urine yang tidak diserap oleh ginjal. Jika penyakit ini tidak segera diatasi, maka akan menimbulkan komplikasi dalam tubuh bahkan dapat mengancam nyawa. Pemeriksaan secara invasive dengan mengambil sampel darah menimbulkan rasa nyeri dan tidak nyaman pada penderita, sehingga perlu adanya terobosan untuk beralih ke pemeriksaan secara non invasive, salah satunya dengan menggunakan sampel urine yang relatif lebih cepat, aman dan nyaman. Pada penelitian ini dikembangkan sistem untuk identifikasi diabetes mellitus menggunakan tujuh sensor gas semikonduktor dan Arduino Mega sebagai mikrokontroller untuk mengubah nilai sinyal analog menjadi data digital yang dikirimkan ke komputer. Metode Probabilistic Neural Network (PNN) digunakan untuk mengenali pola dan mengidentifikasi urine sehat dan diabetes. Hasil percobaan akhir secara realtime menunjukkan bahwa metode PNN dapat mengidentifikasi urine kategori sehat dan diabetes dengan tingkat keberhasilan 87,5%
650 # 4 $a Analog-to-digital converter
650 # 4 $a Neural networks (computer science)
856 # # $a https://repository.its.ac.id/120568/
990 # # $a 3100026000008
Content Unduh katalog