scholarly journals Identifikasi Penyakit Diabetes Mellitus Melalui Nafas Berbasis Sensor Gas Dengan Metode Fast Fourier Transform dan Backpropagation

2018 ◽  
Vol 2 (02) ◽  
pp. 35-41
Author(s):  
Mohammad Hafiz Hersyah
Keyword(s):  
Diabetes Mellitus ◽  
Fourier Transform ◽  
Fast Fourier Transform

Penelitian ini bertujuan untuk mendeteksi bau mulut seseorang apakah diabetes mellitus atau tidak. Pada penderita diabetes mellitus yang tidak terkontrol akan mengakibatkan turunnya kadar air liur yang mengakibatkan bau mulut. Sistem yang dirancang menggunakan sensor gas TGS 2602 yang berfungsi untuk mendeteksi kadar gas hidrogen sulfida dan sensor gas MQ 4 yang berfungsi untuk mendeteksi kadar gas methane yang terkandung pada nafas seseorang. Untuk pengambilan keputusan, sistem ini menggunakan jaringan syaraf tiruan dengan metode pembelajaran backpropagation. Hasil yang diperoleh dengan 5 kali pengujian pada sampel diabetes mellitus dapat dideteksi dengan tingkat keberhasilan 80%, sedangkan untuk sampel acak dapat dideteksi dengan tingkat keberhasilan 80% tidak mengalami diabetes mellitus. Dengan adanya sistem ini, diharapkan dapat dijadikan sebagai alternatif untuk menguji apakah seseorang menderita diabetes mellitus atau tidak.

scholarly journals Identifikasi Penyakit Diabetes Mellitus Melalui Nafas Berbasis Sensor Gas Dengan Metode Fast Fourier Transform dan Backpropagation

2018 ◽  
Vol 2 (02) ◽  
pp. 85-91
Author(s):  
Mohammad Hafiz Hersyah ◽  
Andrizal Andrizal ◽  
Revinessia Revinessia
Keyword(s):  
Neural Network ◽  
Diabetes Mellitus ◽  
Fourier Transform ◽  
Hydrogen Sulfide ◽  
Fast Fourier Transform ◽  
Success Rate ◽  
The Neural Network ◽  
Random Samples ◽  
Backpropagation Method ◽  
Bad Breath

The purpose of this research is to detect whether a person has diabetes mellitus or not. In people with diabetes mellitus uncontrolled will result in a decline in the rate of saliva that results in bad breath. The system uses the sensor TGS 2602 and MQ 4. It's function is to detect the levels of Hydrogen Sulfide and Methan in a person’s breath. The decision is made by using the neural network with a backpropagation method. The result for 5 (five) tests of diabetes mellitus samples can be detected with a success rate of 80%, whereas using random samples, the test detected with detected with a success rate of 80% samples that didn’t contain diabetes mellitus. This system could provide a solution for testing if a person is suffering from diabetes mellitus

scholarly journals IDENTIFIKASI HALITOSIS BERDASARKAN TINGKATAN BERBASIS SENSOR GAS MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION

2017 ◽  
Vol 1 (01) ◽  
pp. 35-47
Author(s):  
Dodon Yendri ◽  
Anisa Irviana ◽  
Andrizal Andrizal
Keyword(s):  
Diabetes Mellitus ◽  
Fourier Transform ◽  
Fast Fourier Transform ◽  
Vector Quantization ◽  
Learning Vector Quantization ◽  
Raspberry Pi ◽  
Data Input

Penyakit diabetes mellitus dan infeksi lambung dapat dideteksi melalui bau mulut tidak sedap penderita (halitosis). Halitosis merupakan suatu keadaan di mana terciumnya bau mulut pada saat seseorang mengeluarkan nafas (biasanya tercium pada saat berbicara). Penelitian ini bertujuan untuk membuat suatu sistem identifikasi dan klasifikasi kesehatan mulut (halitosis). Sensor gas TGS-2602 akan mendeteksi kadar gas pada mulut penderita, dan mengirim data berupa sinyal analog ke mikrokontroler ATmega 328. Dengan melakukan pemrograman baca data pada Raspberry Pi, data dari mikrokontroler disimpan pada sebuah file dan kemudian data tersebut diolah menggunakan metode Fast Fourier Transform (FFT) sehingga didapatkan pola data yang diinginkan. Pola data hasil keluaran Fast Fourier Transform (FFT) ini akan digunakan sebagai data input pada metode jaringan saraf tiruan Learning Vector Quantization (LVQ). Pengujian sistem dilakukan kepada orang dengan bau mulut penderita halitosis dan tidak halitosis. Hasil penelitian diperoleh persentase tingkat keberhasilan respon sensor terhadap sampel halitosis ringan 25%, sampel halitosis sedang 50%, sampel Halitosis akut 50% dan sampel tidak halitosis 100%.

Sign in / Sign up

Export Citation Format

Share Document