Claim Missing Document
Check
Articles

Found 23 Documents
Search

Smart Health Monitoring: Analisis Suhu Tubuh Dan Respirasi Menggunakan Kamera Termal Suci Wahyuni; Firna Yenila; Yogi Wiyandra
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.842

Abstract

The advancement of digital technology and artificial intelligence has opened vast opportunities for intelligent health monitoring systems that operate automatically, in real time, and without physical contact. This study aims to develop a system for detecting human body temperature and respiratory patterns using an infrared thermal camera based on digital image processing and machine learning. The research method involves thermal data acquisition on facial areas (forehead, nose, and mouth), image preprocessing using two-point temperature calibration and Gaussian filtering for noise reduction, and segmentation of the respiratory region using the adaptive thresholding method. Feature extraction is performed by analyzing temperature variations in the nose and mouth regions as thermal signals, which are converted into the frequency domain using the Fast Fourier Transform (FFT) algorithm to determine the respiration rate. Classification is carried out using the Support Vector Machine (SVM) algorithm to distinguish three physiological conditions: normal, fever, and respiratory disorder. The dataset consists of 550 thermal images, divided into 385 images (70%) for training and 165 images (30%) for testing. Experimental results show that the system achieves an accuracy of 98.32%, with an estimated forehead temperature of 145.23°C (a relative value from initial calibration) and a respiration rate of 6.6 bpm, indicating the subject’s condition as fever. This study demonstrates that the combination of thermal image processing, FFT algorithms, and SVM classification is effective for non-invasive, high-precision, and efficient health monitoring systems. The proposed system has the potential to support the development of the Internet of Medical Things (IoMT) for safe, accurate, and adaptive remote health monitoring in response to patients’ physiological changes
Hybrid Contrast Enhancement Dan Segmentasi Citra Multi-Ambang Untuk Analisis Penyakit Daun Tomat Berbasis Convolutional Neural Network Yogi wiyandra; Suci Wahyuni
Jurnal Teknik dan Teknologi Tepat Guna Vol. 4 No. 3 (2026): Jurnal Teknik dan Teknologi Tepat Guna
Publisher : Riset Sinergi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/j-t3g.v4i3.1306

Abstract

Kualitas analisis citra digital sangat dipengaruhi oleh proses peningkatan kualitas citra (image enhancement) dan segmentasi yang mampu memisahkan objek dari latar belakang secara akurat. Permasalahan yang sering dijumpai pada citra digital, seperti kontras rendah, pencahayaan yang tidak merata, dan keberadaan derau (noise), menyebabkan hasil segmentasi menjadi kurang optimal. Penelitian ini mengusulkan metode Hybrid Contrast Enhancement and Multi-Threshold Image Segmentation yang mengintegrasikan Median Filter, Contrast Limited Adaptive Histogram Equalization (CLAHE), Gamma Correction, Multi-Level Otsu Thresholding, dan operasi morfologi untuk meningkatkan kualitas citra sekaligus menghasilkan segmentasi yang lebih akurat. Penelitian menggunakan 1.200 citra digital yang dibagi menjadi 840 data latih (70%) dan 360 data uji (30%). Hasil segmentasi kemudian dievaluasi melalui proses klasifikasi menggunakan Convolutional Neural Network (CNN) untuk mengukur efektivitas metode yang diusulkan. Berdasarkan hasil pengujian pada data uji, metode yang diusulkan memperoleh akurasi sebesar 96,42%, presisi sebesar 95,87%, recall sebesar 96,15%, dan F1-score sebesar 96,01%. Selain meningkatkan nilai evaluasi klasifikasi, metode hybrid juga mampu memperbaiki kualitas visual citra, mengurangi derau, meningkatkan kontras, serta menghasilkan batas objek yang lebih jelas dibandingkan metode konvensional. Hasil penelitian menunjukkan bahwa kombinasi beberapa teknik image enhancement dan segmentasi adaptif mampu meningkatkan performa analisis citra digital sehingga berpotensi diterapkan pada berbagai bidang, seperti pengolahan citra medis, pertanian cerdas, pengawasan industri, dan sistem visi komputer.
Hybrid Contrast Enhancement Dan Segmentasi Citra Multi-Ambang Untuk Analisis Penyakit Daun Tomat Berbasis Convolutional Neural Network Yogi wiyandra; Suci Wahyuni
Jurnal Teknik dan Teknologi Tepat Guna Vol. 5 No. 2 (2026): Jurnal Teknik dan Teknologi Tepat Guna
Publisher : Riset Sinergi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/j-t3g.v4i3.1306

Abstract

Kualitas analisis citra digital sangat dipengaruhi oleh proses peningkatan kualitas citra (image enhancement) dan segmentasi yang mampu memisahkan objek dari latar belakang secara akurat. Permasalahan yang sering dijumpai pada citra digital, seperti kontras rendah, pencahayaan yang tidak merata, dan keberadaan derau (noise), menyebabkan hasil segmentasi menjadi kurang optimal. Penelitian ini mengusulkan metode Hybrid Contrast Enhancement and Multi-Threshold Image Segmentation yang mengintegrasikan Median Filter, Contrast Limited Adaptive Histogram Equalization (CLAHE), Gamma Correction, Multi-Level Otsu Thresholding, dan operasi morfologi untuk meningkatkan kualitas citra sekaligus menghasilkan segmentasi yang lebih akurat. Penelitian menggunakan 1.200 citra digital yang dibagi menjadi 840 data latih (70%) dan 360 data uji (30%). Hasil segmentasi kemudian dievaluasi melalui proses klasifikasi menggunakan Convolutional Neural Network (CNN) untuk mengukur efektivitas metode yang diusulkan. Berdasarkan hasil pengujian pada data uji, metode yang diusulkan memperoleh akurasi sebesar 96,42%, presisi sebesar 95,87%, recall sebesar 96,15%, dan F1-score sebesar 96,01%. Selain meningkatkan nilai evaluasi klasifikasi, metode hybrid juga mampu memperbaiki kualitas visual citra, mengurangi derau, meningkatkan kontras, serta menghasilkan batas objek yang lebih jelas dibandingkan metode konvensional. Hasil penelitian menunjukkan bahwa kombinasi beberapa teknik image enhancement dan segmentasi adaptif mampu meningkatkan performa analisis citra digital sehingga berpotensi diterapkan pada berbagai bidang, seperti pengolahan citra medis, pertanian cerdas, pengawasan industri, dan sistem visi komputer.