Journal of Electronics and Instrumentation

Model Regresi untuk Estimasi Suhu Oral Berdasarkan Pengukuran Suhu Dahi Menggunakan Thermogun

2023-12-07T15:51:08+07:00

Semenjak pandemi Covid-19, terjadi revolusi di dalam dunia medis mengenai cara pengukuran suhu tubuh asli manusia. Suhu tubuh asli manusia sebelumnya banyak diukur menggunakan termometer digital yang diletakkan di ketiak. Namun, sejak terjadinya pandemi Covid-19 dokter dan tenaga medis dituntut untuk dapat melakukan pengukuran suhu tubuh secara lebih cepat dan dengan metode tanpa kontak dengan anggota tubuh. Hal tersebut membuat banyak dokter dan tenaga medis menggunakan thermogun yang dapat mengukur suhu tubuh manusia dengan cepat dan tanpa menyentuh anggota tubuh. Namun, permasalahan mengenai ketidakakuratan thermogun dan titik pengukuran di dahi membuat hasil pembacaan suhu tidak sesuai dengan suhu asli tubuh sebenarnya. Selain itu, pengukuran suhu tubuh menggunakan thermogun memiliki banyak faktor yang dapat mempengaruhi hasil yang didapatkan baik faktor internal maupun eksternal. Penelitian ini berfokus pada faktor internal yaitu titik pengukuran suhu. Tujuan dari penelitian ini yaitu untuk mengatasi ketidakakuratan pengukuran suhu tubuh dengan cara memberikan prediksi suhu oral (titik yang dapat merepresentasikan suhu tubuh sebenarnya) berdasarkan pengukuran suhu di dahi (titik paling efisien untuk pengukuran). Metode analisis data yang digunakan yaitu regresi linear sederhana di mana suhu dahi akan menjadi prediktor dan dapat memprediksi suhu oral yang menjadi respons. Analisis mengenai hubungan antara variabel dengan mencari nilai muliple R, koefisien determinasi, dan standart error of estimate (SEE). Setelah dilakukan analisis regresi, dilanjutkan dengan uji F menggunakan analisist of variable (Anova). Hasil persamaan garis regresi linear yang didapatkan yaitu , dengan . Hal tersebut membuat suhu dahi memiliki kesesuaian dengan suhu oral sebesar .

Klasifikasi Pes Planus Menggunakan Ekstraksi Fitur HOG dan BoF dengan Random Forest

2024-06-11T10:23:34+07:00

Salah satu kontribusi fisika dalam bidang kesehatan adalah membantu proses diagnosis penyakit melalui citra medis, salah satunya untuk mendeteksi flat foot atau Pes Planus. Pada penelitian ini, metode ekstraksi dan pemilihan fitur digunakan untuk meningkatkan akurasi klasifikasi flat foot dengan menggunakan teknik machine learning. Histogram of Oriented Gradients (HOG) merupakan teknik ekstraksi fitur yang mengelompokkan nilai gradien piksel berdasarkan orientasi pada setiap bagian lokal dari citra, sedangkan Bag of Features (BoF) atau Bag of Words merupakan pendekatan yang memperlakukan ciri-ciri dari gambar sebagai fitur yang dapat diolah. Penelitian ini mengekstraksi gambar menjadi histogram dan mengidentifikasi fitur penting dari distribusi gradien intensitas piksel. Pemilihan fitur tambahan (additional features) dilakukan berdasarkan tingkat pengaruhnya terhadap model Random Forest. Data yang digunakan berjumlah 307 sampel, yang dibagi dalam beberapa lipatan menggunakan variasi nilai k-fold untuk memperoleh hasil validasi terbaik dan hasil pembelajaran optimal, dengan teknik sampling stratified. Hasil penelitian menunjukkan bahwa metode BoF mampu mengklasifikasikan Pes Planus berdasarkan fitur jejak kaki dengan akurasi 77,81%. Namun, metode HOG memiliki tingkat akurasi yang lebih tinggi, yaitu 85,67%

Klasifikasi Tingkat Kematangan Tomat Menggunakan Fuzzy Logic Berbasis Ekstraksi Citra Warna dan K-means Clustering

2024-06-11T10:22:00+07:00

Penelitian ini mengkaji penerapan fuzzy logic untuk mengidentifikasi tingkat kematangan tomat berdasarkan warna kulit. Pematangan tomat merupakan faktor krusial yang memengaruhi kualitas dan nilai jual produk. Identifikasi manual tingkat kematangan sering kali rawan kesalahan dan inkonsistensi. Dalam penelitian ini, metode fuzzy logic digunakan untuk mengatasi masalah tersebut melalui ekstraksi citra menggunakan metode K-means clustering di ruang warna Lab. Setelah proses ekstraksi, citra dikonversi kembali ke ruang warna RGB. Gambar tomat diperoleh dengan menggunakan wadah mika untuk mengontrol intensitas cahaya, kemudian diproses menggunakan morfologi dan deteksi tepi canny untuk isolasi objek. Nilai RGB dari tomat yang telah diisolasi dimasukkan ke dalam sistem fuzzy logic untuk diklasifikasikan menjadi enam tingkat kematangan: unripe, breaker, turning, pink, light red, dan red. Hasil menunjukkan bahwa sistem fuzzy logic memiliki akurasi sebesar 96,59% pada data latih dan 88,24% pada data uji. Penelitian ini juga menemukan bahwa intensitas cahaya memengaruhi nilai RGB, yang berdampak pada hasil klasifikasi. Solusi yang diusulkan untuk meningkatkan akurasi adalah dengan menggunakan histogram equalization untuk menormalisasi citra. Penelitian ini menawarkan solusi yang lebih akurat dan konsisten dalam identifikasi tingkat kematangan tomat, yang berpotensi meningkatkan efisiensi penanganan dan distribusi.

Analisis Karakteristik Statis Instrumentasi Pengaruh Variasi Massa Beras dan Volume Air terhadap Massa Nasi dan Durasi Waktu Memasak

2023-12-12T08:21:26+07:00

Penelitian ini bertujuan untuk memberikan pemahaman mendalam tentang karakteristik fisik nasi serta menganalisis pengaruh variasi massa beras dan volume air terhadap massa akhir nasi dan durasi waktu memasak. Penelitian dilakukan secara eksperimental dengan mengukur massa beras, volume air, massa nasi yang dihasilkan, waktu memasak, serta tekstur nasi. Hasil penelitian menunjukkan bahwa variasi massa beras dan volume air secara signifikan memengaruhi karakteristik fisik nasi dan durasi memasak. Variabel-variabel ini berperan penting dalam menentukan tekstur, rasa, dan aroma nasi, serta efisiensi waktu memasak.

Temuan ini memiliki implikasi penting bagi pengembangan metode memasak nasi yang dapat mempertahankan kualitas sensoris yang diinginkan sekaligus meminimalkan waktu dan energi yang dibutuhkan dalam proses memasak. Dengan memahami pengaruh massa beras dan volume air, metode memasak yang lebih efisien dapat dirancang, mendukung keberlanjutan produksi beras, dan meningkatkan pemahaman dalam memilih jenis beras yang sesuai dengan kebutuhan dan nilai lingkungan.

Identifikasi Tekstur Retina pada Retinopati Hipertensi Menggunakan OpenCV dan Python

2023-12-07T18:41:05+07:00

Retinopati hipertensi adalah salah satu manifestasi kerusakan organ target akibat tekanan darah tinggi, yang menyebabkan gangguan pada retina dan pembuluh darah di dalamnya. Dalam dekade terakhir, retinopati hipertensi telah menjadi penanda kerusakan mikrovaskular pada organ lain. Penelitian ini menggunakan metode prototyping dengan OpenCV di lingkungan pemrograman Python. Prototipe ini merupakan versi awal dari sistem perangkat lunak yang dirancang untuk memvisualisasikan konsep, mengeksplorasi desain, mengidentifikasi masalah potensial, dan menemukan solusi. OpenCV adalah pustaka sumber terbuka yang digunakan untuk pengolahan gambar dan video, memungkinkan ekstraksi informasi dari citra. Python, bahasa pemrograman yang dikembangkan oleh Guido van Rossum, dipilih karena fleksibilitas dan kemampuannya dalam analisis gambar. Penelitian ini bertujuan membedakan tekstur retina antara mata normal dan penderita hipertensi melalui analisis citra retina. Hasil penelitian menunjukkan bahwa retina penderita retinopati hipertensi memiliki lebih banyak bintik putih dibandingkan retina normal. Selain itu, pola penyebaran dan ukuran saraf retina pada mata normal lebih teratur dan berbeda dibandingkan dengan retina penderita hipertensi.

Klasifikasi Produktivitas Padi di Kabupaten Jember Menggunakan Indeks Vegetasi NDVI Tahun 2023

2024-06-13T19:37:40+07:00

Produktivitas lahan merupakan indikator penting dalam menentukan potensi agrikultur suatu wilayah. Penelitian ini dilakukan di Kabupaten Jember dengan memanfaatkan teknologi penginderaan jauh, khususnya Normalized Difference Vegetation Index (NDVI), untuk mengukur produktivitas lahan secara efisien. NDVI dihitung dari citra satelit yang mencerminkan kondisi vegetasi dan kesehatan tanaman. Tujuan penelitian ini adalah mengklasifikasikan produktivitas lahan di Kabupaten Jember pada tahun 2023, menganalisis faktor-faktor yang memengaruhi variasi NDVI, serta menyediakan peta distribusi produktivitas lahan. Penelitian ini menggunakan citra satelit multispektral Landsat 8 yang diperoleh dari USGS Earth Explorer, serta data lapangan terkait produktivitas pertanian. NDVI dihitung dengan menggunakan dua pita spektral, yaitu near-infrared (NIR) dan red. Nilai NDVI ini digunakan untuk mengklasifikasikan produktivitas lahan, di mana wilayah dengan NDVI tinggi dianggap memiliki produktivitas tinggi, dan sebaliknya. Klasifikasi dilakukan berdasarkan fase pertumbuhan padi, yaitu fase air, vegetatif, dan generatif, yang masing-masing memiliki rentang NDVI tertentu. Model produktivitas dikembangkan dengan menganalisis intensitas NDVI pada saat tanaman mencapai kehijauan maksimum, menggunakan metode Ordinary Least Square (OLS). Hasil akhir penelitian ini berupa peta klasifikasi produktivitas lahan yang dapat dimanfaatkan oleh pemerintah daerah, petani, dan pemangku kepentingan lainnya dalam perencanaan dan pengelolaan pertanian yang lebih efisien dan berkelanjutan di Kabupaten Jember.

Cover Volume 1 Nomor 3

2024-09-19T12:57:48+07:00

2024-09-19T12:59:00+07:00