NISHA ALIFA PRADANI (2025) SISTEM PENDETEKSI TINGKAT DEHIDRASI BERDASARKAN DATA SET URINE MENGGUNAKAN MACHINE LEARNING. S1 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf
Download (572kB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (586kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (144kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (160kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (860kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only
Download (446kB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only
Download (18MB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (125kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (130kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (475kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (21MB)

Abstract

Dehidrasi yang tidak dikenali sejak awal dapat menimbulkan risiko serius terhadap kesehatan. Saat ini, metode diagnosis melalui urine umumnya masih menggunakan alat dipstick yang meskipun cepat, namun memiliki keterbatasan dalam hal akurasi. Oleh sebab itu, penelitian ini bertujuan untuk memberikan solusi diagnosis yang lebih cepat dan akurat melalui sistem deteksi tingkat dehidrasi berbasis data urine dengan memanfaatkan algoritma Machine Learning. Data yang digunakan berjumlah 1.435 data dan diperoleh dari platform Kaggle, dengan fiturfitur seperti Usia, Jenis Kelamin, Warna, Transparansi, Glukosa, Protein, pH, Specific Gravity, Sel Darah Putih, Sel Darah Merah, Sel Epitel, Benang Lendir, Kristal Urates Amorf, Bakteri, serta Diagnosis. Penelitian ini mengimplementasikan beberapa algoritma, antara lain Levenberg-Marquardt (LM), Scaled Conjugate Gradient (SCG), dan Gradient Descent with Momentum (GDX). Dari hasil evaluasi, model LM memberikan performa terbaik dengan tingkat akurasi sebesar 98,9%, diikuti oleh GDX dengan 98,6% dan SCG sebesar 97,5%. Sistem yang dikembangkan terbukti efektif dalam mengklasifikasikan tingkat dehidrasi dan memiliki potensi untuk dijadikan alat bantu diagnosis yang efisien dan akurat.

Dosen Pembimbing: Yessi Jusman, S.T., M.Sc., Ph.D. | NIDN1007058408
Item Type: Thesis (S1)
Uncontrolled Keywords: Dehydration, Urine, Classification, Machine earning
Divisions: Fakultas Teknik > S1 Teknik Elektro
Depositing User: Bima
Date Deposited: 06 Aug 2025 08:44
Last Modified: 06 Aug 2025 08:44
URI: https://etd.umy.ac.id/id/eprint/52592

Actions (login required)

View Item View Item