Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Informatika Polinema (JIP)
Ameng Bagus Suprayogy
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Library & Information Science

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PENERAPAN ALGORITMA RANDOM FOREST UNTUK IDENTIFIKASI DEHIDRASI BERBASIS CITRA URINE Niyalatul Muna; Faisal Lutfi Afriansyah; Ameng Bagus Suprayogy
Jurnal Informatika Polinema Vol. 6 No. 3 (2020): Vol 6 No 3 (2020)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i3.348

Abstract

Tingkat dehidrasi tidak hanya bisa dirasakan secara langsung akan tetapi dapat diamati dan dilihat secara fisik berbasis visual. Secara visual salah satu gejala dari dehidrasi dapat dilihat dari warna urine. Gejala ini biasanya tidak begitu diperhatikan dan dianggap biasa. Padahal gejala hipohidrasi atau dehidrasi merupakan dampak yang merugikan dari asupan air yang tidak memadai sehingga mempengaruhi warna urine yang dihasilkan. Kesulitan panca indra manusia membedakan gejala dehidrasi dan melihat perbedaan warna urine secara visual sering diterjemahkan berbeda-beda, dikarenakan tingkat kemiripan warna yang dihasilkan. Beberapa penelitian menunjukkan adanya pemanfaatan teknologi kamera dengan sistem cerdas dapat membantu kesulitan dan keterbatasan panca indra manusia. Penelitian ini menggunakan citra urine diambil dari sample orang dewasa yang dikelompokkan berdasarkan kategori warna urine hasil penelitian terdahulu. Pengambilan fitur dari setiap citra urine diambil nilai warna dari YCbCr. Model warna yang dihasilkan dari setiap sampel akan diidentifikasi menggunakan algoritma Random Forest dengan cross-validation. Hasil dari percobaan yang dilakukan menunjukkan akurasi 90% dari 30 dataset yang diujikan dengan nilai precision 90.2%, recall 90%, Mean absolute error 0.2473, dan Root mean squared error sebesar 0.3208.
Co-Authors Faisal Lutfi Afriansyah Niyalatul Muna