Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Glikosuria merupakan suatu kondisi ketika terdapat kandungan gula di dalam urine. Umumnya, penderita glikosuria adalah pasien diabetes. Kandungan gula diatas 11,10 mmol/L mengindikasikan pasien tersebut menderita diabetes. Menurut data dari International Diabetes Federation, sekitar 537 juta orang dewasa mengidap penyakit diabetes. Ibu hamil pengidap diabetes berpeluang untuk melahirkan anak dengan diabetes, hal tersebut dapat memengaruhi tumbuh kembang anak sehingga berpotensi mengidap stunting. Pada penelitian ini, dibangun sistem estimasi berbasis kolorimetri dan arsitektur CNN-AlexNet dari citra strip uji. Sistem akuisisi citra dilakukan di dalam kotak uji dengan sumber pencahayaan LED, barcode uji, dan papan warna referensi. Citra barcode uji diakuisisi dengan menggunakan kamera ponsel pintar Huawei Nova 5T, Samsung Galaxy A72, dan Vivo Y12. Citra dikoreksi menggunakan model Polynomial Color Correction (PCC) orde 9. Warna referensi yang digunakan untuk mengoreksi citra dilakukan evaluasi terhadap warna-warna yang berpengaruh dalam proses koreksi warna. 16 warna referensi dipilih dengan warna yang digunakan adalah warna grayscale, warna primer RGB, dan beberapa warna natural. Validasi dengan urine asli menggunakan arsitektur CNN-AlexNet menghasilkan performa pada model klasifikasi adalah 0,96 dan pada model regresi adalah 0,93. Hasil tersebut menunjukkan bahwa sistem estimasi berbasis citra ponsel pintar dengan prinsip kolorimetri dapat digunakan untuk menentukan kelas dan mengukur kadar gula urine. ......Glycosuria is a condition characterized by the presence of sugar in the urine. Diabetic patients are more likely to have glycosuria. Diabetes is indicated by a sugar content greater than 11.10 mmol/L. According to the International Diabetes Federation, approximately 537 million adults have diabetes. Pregnant women with diabetes have the potential to have children with diabetes, which can affect their growth and development, potentially leading to stunting. In this study, an estimation system based on colorimetry and CNN-AlexNet architecture was built from test strip images. The image acquisition system is performed in a test box with LED lighting source, test barcode and reference color board. The Huawei Nova 5T, Samsung Galaxy A72, and Vivo Y12 smartphone cameras were used to capture the test barcode image. The image is corrected using a 9th order Polynomial Color Correction (PCC) model. The reference color used to correct the image is evaluated for the colors that affect the color correction process. Grayscale colors, RGB primary colors, and a few natural colors are used as the 16 reference colors that were chosen. Validation with urine using the CNN-AlexNet architecture resulted in a classification model performance of 0.96 and a regression model performance of 0.93. These results indicate that an estimation system based on smartphone imagery with colorimetric principles can be used to determine the class of sugar content and measure urine sugar levels.

Abstrak :
Air adalah komponen yang sangat penting untuk kehidupan manusia. Jenis air yang sangat berkaitan dengan manusia adalah air minum, air sanitasi, dan air kolam renang. Berdasarkan jenis air yang ada, instrumen yang sudah tersedia adalah dengan mengukur kadar kimia pada air menggunakan alat-alat laboratorium yang tidak efisien. Penelitian ini berfokus untuk membangun instrumen pengklasifikasi jenis air berbasis ponsel pintar untuk memudahkan pengklasifikasi jenis air. Instrumen yang dibangun memanfaatkan strip tes yang akan diakuisisi oleh kamera ponsel pintar. Selanjutnya citra akan dilatih menggunakan Deep Learning model CNN dengan arsitektur AlexNet dan ResNet50. Penggunaan DL sudah banyak dilakukan untuk mengklasifikasi citra dan hasilnya terbukti sangat baik. Model hasil pelatihan akan dijadikan sebagai server komputasi yang akan mengolah citra. Sisi klien merupakan aplikasi ponsel pintar dan dihubungkan ke server yang sudah dibangun. Hasil pelatihan model adalah arsitektur AlexNet dengan akurasi yang sangat tinggi yaitu sebesar 100%. Oleh karena itu, model AlexNet dijadikan server komputasi pada penelitian ini. Pembangunan aplikasi pengklasifikasi jenis air berhasil dibangun dengan arsitektur klien-server. Tingkat keberhasilan aplikasi adalah 100% dalam mengunggah dan mengolah citra. Berdasarkan hasil yang diperoleh, disimpulkan bahwa pembangunan instrument kolorimetri pengklasifikasi jenis air berbasis ponsel pintar android berhasil dibangun dengan sisi server mengimplementasikan model CNN arsitektur AlexNet. ......Water is component that very important for human life. Some types of water human’s environments are drinking water, sanitary water, and swimming pool water. With these types of water, an instrument that are already available are to measure the chemical levels in water using laboratory equipment which is inefficient. This research focuses on building a smartphone-based water type classification instrument. The instrument being built will use the test strips that will be acquisition by the smartphone camera. Furthermore, the image will be trained using the Deep Learning CNN model with AlexNet and ResNet50 architectures. The use of DL has been widely used to classify images and the result is satisfying. The results of the training model will be used as a computing server that will process images. The client-side is a smartphone application and connected to a built-in server. The result of the training model is the AlexNet architecture has a high accuracy which is 100%. With this performance, AlexNet will be used as a computing server in this research. The development of the water type classifier application has been successfully built with a client-server architecture. The success rate is 100% in uploading and processing images. Based on the results obtained, it is concluded that the development of a colorimetric instrument for classifying water types based on an Android smart phone has been successfully built with the server side implementing CNN AlexNet architecture model.