| dc.description.abstract | Semua orang pasti pernah mengalami yang namanya sakit, penyakit yang diderita pada setiap orang pun juga berbeda - beda. Sakit merupakan suatu kondisi dimana tubuh tidak dalam kondisi normal yang disebabkan oleh beberapa faktor baik dari dalam maupun luar tubuh. Di antara berbagai penyakit yang ada pada tubuh manusia, infeksi saluran pernapasan akut (ISPA) adalah penyakit paling umum yang mempengaruhi semua individu tanpa memandang usia atau jenis kelamin, terlebih lagi virus ini yang menyerang pada bagian pernapasan atau respiratory diseases sehingga virus ini sangat cepat penularanya. Dengan adanya hal tersebut, badan kesehatan dunia atau yang dikenal dengan WHO (World Health Organization) telah menetapkan beberapa standart yang dapat membantu menangani permasalahan didunia. Pada protokol tersebut telah tertulis lengkap bagaimana cara penanganan pasien dengan klasifikasi tertentu. Dan tentunya hal tersebut memerlukan beberapa peralatan yang tidaklah murah serta aktivitas pengecekan rutin pada pasien.
Oleh karena itu diperlukan sebuah peralatan yang tidak hanya sekedar membantu dalam proses pengecekan pasien secara rutin, namun juga mampu melakukan diagnosa dini agar tenaga medis ketika memasuki ruangan pasien sudah mempersiapkan diri dengan beberapa peralatan yang sesuai dengan klasifikasi pasien. Sehingga penelitian ini diharapkan dapat membantu tenaga medis untuk melakukan diagnosa dini pada beberapa parameter seperti suhu, detak jantung, laju pernafasan, oksigen tersaturasi yang sesuai dengan protokol penyakit pernafasan dari SARI - WHO dengan menggunakan alat bantu untuk mengurangi interaksi antara tenaga medis dan pasien. Maka dari itu dengan adanya dukungan dari dunia Artificial Intellegence (AI) dan teknologi mini PC atau biasa disebut Raspberry Pi tentunya mampu untuk menyelesaikan hal tersebut. Hal ini didasarkan alasan karena kemampuan Artificial Intellegence sudah hampir bisa menyamai kemampuan manusia dan bahkan lebih hebat dalam menganalisa permasalahan – permasalahan yang kompleks, terutama dalam masalah kesehatan dengan akurasi yang sangat tinggi dibandingkan manusia. Sedangkan Raspberry Pi digunakan untuk membaca sensor - sensor yang ada dan data dari sesor akan diolah yang nantinya akan ditampilkan dan diklasifikasi dengan menggunakan metode decision tree. Metode decision tree adalah salah satu algoritma yang cukup umum untuk proses pengambilan keputusan.
Pada penerapan metode decision tree dengan algoritma CART, data akan diproses dan di split dengan perbandingan data uji dan data latih. Data uji yang akan diproses sebanyak 5 kelompok yaitu 10%, 20%, 30%, 40%, dan 50%. Saat data uji 10% mendapatkan nilai akurasi sebesar 98%. Saat data uji 20%, nilai dari akurasinya sebesar 99,5%. Saat data uji 30%, nilai akurasinya sebesar 99%. Saat data uji 40%, nilai akurasinya sebesar 99%. Saat data uji 50%, nilai akurasinya sebesar 98.5%. Dari nilai akurasi yang dihasilkan, dapat diketahui bahwa rasio perbandingan data uji dan data latih yang paling baik adalah 20:80. Dari 12 kali pengujian model yang telah dibuat dapat diketahui bahwa hasil prediksi sesuai 100% dengan hasil kelas yang ditentukan. Sehingga dapat disimpulkan bahwa model yang digunakan dalam penelitian ini sudah cukup baik untuk di implementasikan secara langsung ke dalam alat yang digunakan untuk mengklasifikasi pasien penyakit pernapasan. Setelah pengujian sudah sesuai maka model yang telah dibuat akan di implementasikan kedalam alat diagnosis dini penyakit pernapasan. Pengujian alat untuk dianogsa dini terhadap responden merupakan pengujian secara langsung pada alat ke setiap responden yaitu sebanyak 4. Hal ini dilakukan untuk menguji klasifikasi penyakit pada setiap responden. Pengujian pada responden dilakukan sebanyak satu kali setiap responden. Hasil klasifikasi dan nilai dari parameter suhu, laju napas, SpO2, dan detak jantung akan ditampilkan pada LCD. Dari pengujian alat terhadap responden dapat diketahui bahwa hasil prediksi sesuai 100% dengan hasil kelas yang ditentukan pada pasien penyakit pernapasan. | en_US |
