Analisa Udara Pernapasan Menggunakan Deret Sensor Gas Dan Support Vector Machine Untuk Klasifikasi Asma Menurut Derajad Keparahan

Sujono, Hari Agus (2019) Analisa Udara Pernapasan Menggunakan Deret Sensor Gas Dan Support Vector Machine Untuk Klasifikasi Asma Menurut Derajad Keparahan. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

Text 07110960010011-Dissertation.pdf Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Analisis udara pernapasan yang dihembuskan (disingkat: analisis napas)
adalah metode non-invasif untuk mendapatkan informasi mengenai keadaan klinis
seseorang dengan mendeteksi dan mengukur gas-gas dan senyawa organik volatil
yang ada didalam napas. Perkembangan utama dalam teknologi pemantauan medis
dan metode diagnosa adalah berdasarkan analisa darah dan urin. Diagnosa
berdasarkan analisa napas relatif kurang berkembang dan belum banyak digunakan
dalam praktik klinis. Disertasi ini mengkaji tentang deteksi dan identifikasi napas
yang bersumber dari pasien / subyek asma dan subyek sehat menggunakan electronic
nose (e-nose). Penetapan terhadap subyek asma atau subyek sehat ditentukan dengan
cara klasifikasi menggunakan metode klasifikasi.Dalam proses penelitian disertasi
ini, kami mengawali penelitian menggunakan e-nose dengan deret sensor resonator
kuarsa yang dilapisi bahan polimer. Obyek penelitian adalah gas/uap dari cairan yang
mudah menguap seperti alkohol, bensin dan lainnya. Klasifikasi pola menggunakan
metode Support Vector Machine (SVM). Hasil pengujian menunjukkan tingkat
konsistensi (reliability) e-nose dalam pengujian berulang untuk obyek yang sama
menunjukkan tingkat reliabilitas kuat. Hasil klasifikasi baik sekali dengan tingkat
akurasi rata-rata 95%. Setelah itu dilakukan penelitian utama menggunkan e-nose
dengan deret sensor metal oxide semiconductor (MOS). Obyek penelitian adalah
gas/uap dari udara pernapasan yang dihembuskan. Analisa sebaran data
menggunakan metode Standar Deviasi dan Principle Component Analysis (PCA).
Seleksi fitur terbaik menggunakan Algoritma Genetika. Klasifikasi menggunakan
metode SVM. Hasil analisa sebaran data menunjukkan tingkat heterogen data cukup
tinggi. Hasil seleksi fitur terbaik menunjukkan bahwa jumlah sensor pada deret
sensor dapat dikurangi, dengan akurasi tetap pada tingkat cukup baik. Hasil
klasifikasi menunjukkan akurasi yang baik untuk mengidentifikasi subyek sehat dan
asma, tetapi kurang baik untuk mengidentifikasi subyek asma dengan tingkat
keparahan berbeda.
================================================================================================
Exhaled breath air analysis (abbreviated as breath analysis) is a non-invasive method
for obtaining information about a person's clinical condition by detecting and measuring the
gases and volatile organic compounds in the breath. The main developments in medical
monitoring technology and diagnostic methods are based on analysis of blood and urine.
Diagnosis based on breath analysis is relatively underdeveloped and has not been widely used
in clinical practice. This dissertation examines the detection and identification of breath
originating from patients / asthma subjects and healthy subjects using electronic nose (e-
nose). Determination of asthma subjects or healthy subjects is determined by classification
using the classification method. In the process of this dissertation research, we begin the
research using e-nose with a series of quartz resonator sensors coated with polymer material.
The object of research is gas / vapor from volatile liquids such as alcohol, gasoline and
others. Pattern classification uses the Support Vector Machine (SVM) method. The test
results show the e-nose reliability in repeated testing for the same object shows a strong level
of reliability. The classification results are very good with an average accuracy rate of 95%.
After that the main research was conducted using the e-nose with a series of metal oxide
semiconductor (MOS) sensors. The object of research is gas / vapor from exhaled breathing
air. Data distribution analysis uses the Standard Deviation method and the Principle
Component Analysis (PCA). The best feature selection uses Genetic Algorithms.
Classification using the SVM method. The results of the data distribution analysis show a
fairly high heterogeneous level of data. The best feature selection results show that the
number of sensors in the sensor array can be reduced, with accuracy remaining at a fairly
good level. The classification results show good accuracy for identifying healthy subjects and
asthma, but it is not good for identifying asthma subjects with different severity.

Item Type:	Thesis (Doctoral)
Additional Information:	RDE 621.381 5 Suj a-1 2019
Uncontrolled Keywords:	nalisa udara pernapasan, deret sensor gas, klasifikasi asma menurut derajad keparahan, support vector machine, breathing air analysis, gas sensor series, severity degree asthma classification, support vector machine
Subjects:	R Medicine > RC Internal medicine T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7871.674 Detectors. Sensors
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20001-(S3) PhD Thesis
Depositing User:	Hari Agus Sujono
Date Deposited:	19 May 2022 08:23
Last Modified:	19 May 2022 08:23
URI:	http://repository.its.ac.id/id/eprint/62512

Actions (login required)

View Item