IDENTIFIKASI PENYAKIT GAGAL GINJAL MELALUI BAU URINE MENGGUNAKAN SENSOR GAS DAN JARINGAN SARAF TIRUAN

Authors

  • Ahmad Muhazir Universitas Muhammadiyah Gresik
  • Misbah Misbah Universitas Muhammadiyah Gresik
  • Rini Puji Astutik Universitas Muhammadiyah Gresik

DOI:

https://doi.org/10.30587/e-link.v16i1.2714

Keywords:

Penyakit Ginjal kronik, Sensor Gas MQ, Jaringan Syaraf Tiruan

Abstract

Penyakit ginjal kronik (PGK) merupakan suatu proses patofisiologi dengan etiologi beragam, mengakibatkan penurunan fungsi ginjal yang progresif dan pada umumnya berakhir dengan gagal ginjal. Penelitian ini bertujuan untuk merancang suatu alat deteksi gagal ginjal yang handal dan ekonomis, dengan mengidentifikasi penderita ginjal kronik (gagal ginjal) melalui kadar urea menggunakan reagen diasetilmonoksim akan diserap oleh urine. Hal itu dapat menimbulkan warna kuning yang mana akan dicek kadarnya dengan spektometer. Metode yang digunakan diawali dengan studi kepustakaan, metode perancangan, metode pengujian, dan analisa data. Penggunaan sensor gas diharapkan efektif dalam mengidentifikasi penderita penyakit gagal ginjal. Untuk pengidentifikasian bau urine sakit gagal ginjal dan non sakit gagal ginjal sebelumnya dilakukan proses training data dan identifikasi menggunakan backpropagation yang terdapat pasang data dan pola untuk mewakili karakterisasi bau urine diabetes dan non diabetes. Kepekaan sensor gas pada alat pendeteksi urinee menggunakan modul sensor Gas MQ-2, MQ-4, MQ-7 dan MQ-135 yang sudah dilatihkan pada system dengan memiliki akurasi 96,80% dan sensor yang lebih mendominasi ada pada MQ-2, MQ-4 untuk orang sakit dan sehat. Sehingga sistem mampu membedakan mana jenis urine orang terkena penyakit ginjal atau urine orang yang sehat.

Downloads

Published

2021-07-21

How to Cite

Muhazir, A., Misbah, M., & Astutik, R. P. (2021). IDENTIFIKASI PENYAKIT GAGAL GINJAL MELALUI BAU URINE MENGGUNAKAN SENSOR GAS DAN JARINGAN SARAF TIRUAN. E-Link: Jurnal Teknik Elektro Dan Informatika, 16(1), 57–66. https://doi.org/10.30587/e-link.v16i1.2714

Issue

Section

Articles

Most read articles by the same author(s)

<< < 1 2 3 > >> 

Similar Articles

1 2 3 4 > >> 

You may also start an advanced similarity search for this article.