MODEL SISTEM DAN PERANCANGAN

3.1 Desain Sistem

Dalam pengerjaan Tugas Akhir ini penulis terfokus pada perancangan purwarupa alat dan aplikasi mobile. Pada desain sistem ini terdapat dua diagram yaitu diagram perangkat IoT dan diagram aplikasi IoT. Pada diagram perangkat IoT berisikan sensor-sensor yang digunakan pada alat, dan pada diagram aplikasi IoT terdapat platform dan output dari hasil perancangan tersebut. Kedua diagram tersebut bisa dilihat pada gambar 3.1.

Gambar 3.1 Desain Sistem

Pada gambar 3.1 menjelaskan desain sistem secara keseluruhan. Desain sistem tersebut dirancang untuk mendeteksi suhu tubuh, warna kuku dan jumlah bernafas sesorang sebagai penentu keputusan tentang kesehatan paru-paru. Input pada sistem ini yaitu warna kuku, suhu tubuh dan jumlah bernafas, lalu output pada sistem ini yaitu mengirimkan sebuah informasi yang efisien, simple, dan relevan yang berupa keputusan indikasi dini kesehatan paru-paru seseorang yang dapat dipantau melalui aplikasi mobile.

3.2 Diagram Blok

Sebelum mengembangkan sistem program ini, dibutuhkan diagram blok yang fungsinya untuk mengetahui gambaran sistem secara umum. Pada setiap bloknya mempunyai fungsi dan cara kerja masing- masing. Berikut adalah gambaran umum tentang sistem tersebut.

Gambar 3.2 Diagram Blok Sistem Secara Umum

Berdasarkan gambar diagram blok diatas, penelitian dibagi menjadi 3 bagian yaitu: input, proses dan output. Input pada sistem adalah sensor TCS3200 untuk melihat warna kuku, sensor DS18B20 untuk mengukur suhu tubuh, sensor piezoelektrik untuk mengukur respirasi dan kapasitas paru-paru lalu data akan dikirimkan ke firebase untuk disimpan menggunakan NodeMCU ESP8266. Pada proses, data yang sudah disimpan di firebase akan diambil oleh aplikasi dan diolah menggunakan metode analytic hierarchy process sebagai penentu keputusan kesehatan paru-paru. Dan terakhir pada output, hasil keputusan yang sudah diolah menggunakan metode AHP akan ditampilkan pada aplikasi kepada user.

3.3 Diagram Alur Kerja Sistem

Untuk merancang sistem ini, yaitu pertama-tama seseorang akan diperiksa melalui rancangan alat yang memiliki 3 parameter (suhu tubuh, warna kuku, dan jumlah bernafas) yaitu dengan sensor yang digunakan TCS3200, DS18B20, dan sensor piezoelektrik. Sensor-sensor tersebut terkoneksi dengan NodeMCU ESP8266. Data yang terdeteksi dari sensor akan diproses dan terintegrasi dengan database Firebase. Hasil data akan dikirimkan dan diproses ke mobile aplikasi menggunakan Android Studio. Sesuai dengan kondisi yang sudah ditentukan sebelumnya, jika memang masuk ke dalam kriteria berbahaya(paru-paru tidak sehat) atau aman(paru-paru sehat) maka akan langsung mengirimkan informasi via aplikasi mobile.

Gambar 3.3 Diagram Alur Kerja Sistem 3.4 Spesifikasi Komponen

Ada 2 bagian dalam komponen yang digunakan pada Tugas Akhir ini, yaitu perangkat lunak dan perangkat keras.

3.4.1 Perangkat Lunak

Berikut merupakan perincian atau karekteristik umum perangkat lunak yang digunakan pada penelitian Tugas Akhir ini:

Tabel 3.1 Spesifikasi Perangkat Lunak

No. Perangkat

Software Spesifikasi Rincian

1. PC (Personal Computer)

Sistem Operasi Windows 10 Pro 64- bit

Model Sistem DESKTOP-

02QVUC5

Processor

Intel(R) Core (TM) i5- 9400F CPU @ 2.90GHz

2.90 GHz

RAM 16,00 GB

Smartphone Android

Model Sistem Samsung Galaxy A51 Versi Android Android 10

RAM 6 GB

Dimensi Layar 1080 x 2400 px

3. Development Kit

Android Studio

Sebagai perangkat lunak untuk merancang aplikasi

mobile ini

3.4.2 Perangkat Keras

Berikut merupakan perincian atau karekteristik umum dari komponen- komponen perangkat keras yang digunakan pada penelitian Tugas Akhir ini:

Tabel 3.2 Spesifikasi Perangkat Keras

No. Jenis

Perangkat Spesifikasi

1. NodeMCU ESP8266

Tegangan Operasional : 5 v Tegangan Input : 3.3 – 5 v GPIO : 13 Pin

Flash Memory : 4 mb WiFi : IEEE 802.11 b/g/n Frekuensi : 2.4 – 22.5 GHz 2. Sensor Warna TCS3200 Tegangan Operasional : 2.7–5.5 v

Dimensi : 28.4 x 28.4 mm 3. Sensor Suhu DS18B20 Tegangan Operasional : 3-5.5v

Rentang Suhu : -55 – 125°C 4. Sensor

Piezoelektrik

Nilai Impedansi : ≤500 Ω Sensivitas : 5v/Ɛ

5. Battery Li-ion 18650 Tegangan Operasional : 3.6-3.7 v

6. Modul Battery Charger TP18650

Tegangan input : 4.5 – 8 C Tegangan Output : 4.3 – 27 v Arus Charging : 1 A

7. Box Akrilik Ukuran : Panjang = 15 cm, Lebar

= 10 cm, Tinggi = 18 cm

3.5 Desain Perangkat Keras

Perangkat keras yang digunakan dalam sistem ini yaitu NodeMCU ESP8266 sebagai mikrokontroler, kemudian sensor warna TCS3200, sensor suhu DS18B20 dan sensor Piezoelektrik sebagai input kemudian melalui modul NodeMCU ESP8266 juga sebagai pengirim data sensor ke database Firebase. Menggunakan Baterai Li-ion 18650 sebagai pemberi tegangan listrik sehingga alat bisa digunakan tanpa menggunakan tegangan listrik tambahan. Lalu baterai dapat dicharger menggunakan Modul Battery Charger TP18650.

Gambar 3.4 Desain Perangkat Keras

3.6 Desain Perangkat Lunak

Penulis menggunakan android studio untuk membuat desain aplikasi mobile dan mengambil hasil data inputan dari alat menggunakan database firebase.

3.6.1 Konfigurasi Java Class Pada Android Studio

Java Class dirancang untuk mendefinisikan method dan variable pada suatu objek tertentu. Class menampung isi program yang dijalankan yang terdiri dari variable dan tipe serta berbagai method sebuah aplikasi. Gambar 3.5 menampilkan perancangan aplikasi mobile pada Tugas Akhir ini terbagi menjadi beberapa Class yang menyimpang method untuk masing- masing menu.

Gambar 3.5 Konfigurasi java class 3.6.2 Konfigurasi Firebase

Database yang digunakan pada Tugas Akhir ini yaitu Firebase. Supaya bisa menampilkan data sensor dari alat menuju aplikasi, dibutuhkan proses integrasi antara Firebase dengan aplikasi mobile. Proses ini dimulai dengan cara memasukkan APPLICATION_ID Firebase yang sekaligus dengan file JSON pada Android Studio. Tahapan selanjutnya yaitu membuat Class dan

file interface untuk pemanggilan data pada Firebase.

Gambar 3.6 Konfigurasi Firebase 3.6.3 Segmentasi Database

Diperlukannya segmentasi database pada aplikasi mobile ini karena adanya proses penyimpanan data sensor dari alat yang harus ditampilkan pada aplikasi mobile, sehingga diperlukannya manajemen data pada sistem.

Data pada aplikasi mobile ini tersegmentasi pada monitoring, yaitu segmen database yang menyimpan data setiap sensor dari alat secara realtime.

Pada segmen ini menyimpan data sensor suhu, warna dan piezoelektrik.

Gambar 3.7 Segmentasi database

3.7 Desain UI Aplikasi Mobile

Pada desain UI Aplikasi ini, yang pertama terdapat dashboard yang menampilkan halaman awal untuk mengisi jenis kelamin dan tinggi badan lalu yang kedua terdapat tampilan hasil data realtime setiap sensor dari alat yang sudah terintegrasi dengan firebase. Dan yang terakhir adalah tampilan hasil keputusan yang sudah dihitung menggunakan metode analytic hierarchy process.

a. b. c.

Gambar 3.8 Tampilan UI Aplikasi Mobile (a. Tampilan Dashboard; b.

Tampilan hasil sensor; c. Tampilan hasil AHP)

BAB IV

HASIL DAN ANALISIS

4.1 Pengujian Pengiriman dan Pembacaan Data Alat

Pada pengujian ini, proses pengiriman data ke API berhasil dilakukan. Pada gambar dibawah terlihat proses saat pengambilan data tiap sensor dan proses mikrokontroler melakukan proses pengiriman dan pembacaan data.

a. b. c.

Gambar 4.1 Proses Pengambilan Data Tiap Sensor (a. sensor suhu DS18B20; b.

sensor piezoelektrik; c. sensor warna TCS3200)

Gambar 4.2 Hasil Pengujian Pengiriman dan Pembacaan Data Alat

Pada gambar 4.1 adalah proses pengambilan data yaitu: suhu tubuh diambil dengan cara, sensor diletakkan pada ketiak seseorang. Respirasi dan kapasitas paru- paru diambil dengan cara, sensor diletakkan pada dada sesorang. Warna kuku diambil dengan cara, jari dimasukkan kedalam box akrilik.

Pada gambar 4.2 adalah proses pengiriman dan pembacaan data,

mikrokontroler terlebih dahulu menampilkan kondisi yang telah dibaca oleh sensor setelah itu baru akan dilakukan pengiriman data ke API. Setelah pengiriman data dilakukan, mikrokontroler akan melakukan pembacaan data yang dikirim oleh API dan menampilkan data yang dikirim setelah itu mikrokontroler akan menjalankan aksinya apabila ada perintah yang dikirim.

4.2 Pengujian Fungsionalitas Alat

Pengujian dilakukan untuk mengetahui apakah sistem berhasil digunakan untuk memantau kondisi suhu tubuh, warna kuku dan sistem pernafasan. Parameter keberhasilan yang digunakan dalam pengujian ini adalah alat dapat bekerja sesuai dengan sistem yang telah dibuat. Berikut hasil pengujian yang terlihat pada tabel dibawah.

Tabel 4.1 Pengujian Fungsionalitas Alat

Pengujian Keterangan

DS18B20 membaca nilai suhu

tubuh Berhasil

TCS3200 membaca nilai warna

kuku Berhasil

Piezoelektrik membaca nilai respirasi, inspirasi serta status

pernafasan

Berhasil Mikrokontroller menangkap

sinyal WiFi Berhasil

Modul Battery Charging mampu mengisi baterai ketika

habis

Berhasil

Switch mampu menghidupkan dan mematikan

mikrokontroller

Berhasil

4.3 Pengujian Data Hasil Alat

Pengujian ini dilakukan untuk mengetahui kondisi suhu tubuh, warna kuku dan sistem pernafasan seseorang pada saat proses penelitian ini dilakukan serta perbandingan antara sensor suhu yang digunakan dengan termometer digital, eyedropper tool dan perhitungan sistem pernafasan secara manual.

4.3.1 Hasil Data Sensor Suhu DS18B20

Berikut merupakan hasil data dari Sensor Suhu DS18B20 dan perbandingan dengan thermometer digital.

Tabel 4.2 Hasil Data Sensor Suhu DS18B20 Orang

ke-

Jenis kelamin

Umur (Tahun)

Tinggi Badan (cm)

Sensor

DS18B20 Termometer Persentasi Error

1 P 12 145 36,44°C 36,7°C 0,7%

2 L 20 168 36,38°C 36,6°C 0,6%

3 L 21 168 37,80°C 38°C 0,5%

4 L 22 165 36,15°C 36,4°C 0,7%

5 P 22 165 35,89°C 36,2°C 0,8%

6 L 23 172 36,44°C 36,8°C 0,9%

7 L 21 173 37,56°C 37,9°C 0,8%

8 P 22 160 36,55°C 36,9°C 0,9%

9 P 40 155 36,13°C 36,6°C 1,2%

10 L 50 172 36,61°C 36,8°C 0,5%

Rata-rata 0.759%

Berdasarkan Tabel 4.2 diatas, didapatkan nilai suhu tubuh dari hasil pembacaan sensor DS18B20 selisihnya tidak melebihi 1 jika dibandingkan dengan hasil pembacaan termoter digital yang digunakan yaitu sebesar 0,759%.

4.3.2 Hasil Data Sensor Warna TCS3200

Pengujian sensor dilakukan dengan orang dan kondisi yang sama ketika melakukan pengujian sensor suhu. Berikut merupakan hasil data sensor warna TCS3200 dan perbandingan dengan eyedropper tool.

Tabel 4.3 Hasil Data Sensor Warna TCS3200 Orang

ke-

Sensor TCS3200

#HEX

R G B

1 142 117 105 8E7569 2 162 96 166 A260A6

3 94 66 51 5E4233

4 164 180 217 A4B4D9

5 210 222 255 D2DEFF

6 230 235 255 E6EBFF

7 224 235 244 E0EBF4

8 211 190 200 D3BEC8

9 193 144 160 C190A0

10 239 238 255 EFEEFF

Orang ke- Eyedropper tool

#HEX

R G B

1 147 116 122 93747A 2 170 146 160 B392A0

3 106 68 55 6A4437

4 154 158 161 9A9EA1 5 202 202 204 CACACC 6 230 226 227 E6E2E3 7 224 222 223 E0DEDF 8 219 190 186 DBBEBA 9 193 139 129 C18B81 10 233 228 222 E9E4DE

Orang Ke-

Selisih Error

Presentase

#HEX DEC

1 4FF11 327441 3,38%

2 1131FA 1126906 9,57%

3 C0204 786948 11,3%

4 FFF5E9C8 -661048 6,5%

5 FFF7EBCD -529459 3,98%

6 FFFFF6E4 -2332 0,015%

7 FFFFF2EB -3349 0,022%

8 7FFF2 524274 3,64%

9 FFFFFAE1 -1311 0,01%

10 FFF9F5DF -395809 2,58%

Rata-rata 4,1%

Berdasarkan tabel diatas, didapatkan nilai warna kuku dari hasil pembacaan sensor TCS3200 memiliki selisih sebesar 4,1% perbandingan dengan eyedropper tool.

4.3.3 Hasil Data Sensor Piezoelektrik

Pengujian sensor dilakukan dengan orang dan kondisi yang sama ketika melakukan pengujian sensor sebelumnya. Berikut merupakan hasil data sensor piezoelektrik.

Tabel 4.4 Hasil Data Sensor Piezoelektrik Orang ke- Vc Ukur

(volt)

Respirasi rate alat (bpm)

1 4.13 18

2 4.27 19

3 4.2 20

4 3.95 25

5 3 16

6 2.2 18

7 4.27 17

8 4.13 19

9 3.93 15

10 2.12 22

Rata-rata

4.4 Pengujian Metode Analytic Hierarchy Process

Berikut merupakan pengujian metode AHP berdasarkan prosedur yang ada : 1. Membuat struktur hierarki

Gambar 4.3 Struktur Hierarki Berdasarkan Parameter yang Digunakan 2. Menentukan prioritas kepentingan

Cara menentukan prioritas kepentingan parameter yaitu dengan melihatnya berdasarkan skala dasar perbandingan berpasangan pada Tabel 2.2

Tabel 4.5 Prioritas Kepentingan Parameter Utama Parameter Utama

Sistem

Pernafasan Umur Warna Kuku

Suhu Tubuh Sistem

Pernafasan 1 3 5 7

Umur 0,33 1 3 5

Warna Kuku 0,20 0,33 1 3

Suhu Tubuh 0,14 0,33 0,33 1

Tabel 4.6 Prioritas Kepentingan Sub Parameter Sistem Pernafasan Sub Parameter Sistem Pernafasan

Respirasi Vc ukur

Respirasi 1 3

Vc ukur 0,33 1

Respirasi

> 20 (12 - 20)

> 20 1 3 (12 - 20) 0,33 1

Vc Ukur

< 2,12 (2,12-4,6)

< 2,12 1 3 (2,12-4,6) 0,33 1

Tabel 4.7 Prioritas Kepentingan Sub Parameter Umur Sub Parameter Umur

x > 35 18 <= x <= 35 x < 18

x > 35 1 3 5

18 <= x <= 35 0,33 1 3

x < 18 0,2 0,33 1

Tabel 4.8 Prioritas Kepentingan Sub-parameter Warna Kuku Sub Parameter Warna Kuku

R G B

R 1 2 2

G 0,5 1 2

B 0,5 0,50 1

Sub Parameter Warna Kuku R x < 150 x => 150 x < 150 1 3 x => 150 0,3 1

Sub Parameter Warna Kuku B x < 150 x => 150 x < 150 1 3 x => 150 0,3 1

Sub Parameter Warna Kuku G x < 150 x => 150 x < 150 1 3 x => 150 0,3 1

Tabel 4.9 Prioritas Kepentingan Sub Parameter Suhu Tubuh Sub Kriteria Suhu Tubuh

x > 37,2° x < 36° 36° <= x <= 37,2°

x > 37,2° 1 3 5

x < 36° 0,33 1 3

36° <= x <= 37,2° 0,20 0,33 1 3. Sintesis

Untuk mendapatkan sintesis, caranya adalah dengan cara

menjumlahkan nilai dari setiap kolom pada matriks perbandingan berpasangan. Membagi setiap nilai kolom dengan jumlah kolom untuk memperoleh normaliasasi matriks. Menjumlahkan nilai dari setiap baris dan membagi dengan jumlah kriteria untuk mendapatkan nilai rata-rata.

Tabel 4.10 Sintesis Parameter Utama Sintesis Parameter Utama Sistem

Pernafasan Umur Warna Kuku

Suhu

Tubuh Jumlah Prioritas Sistem Pernafasan 0,60 0,64 0,54 0,44 2,21 0,55

Umur 0,20 0,21 0,32 0,31 1,05 0,26

Warna Kuku 0,12 0,07 0,11 0,19 0,49 0,12 Suhu Tubuh 0,09 0,07 0,04 0,06 0,25 0,06

Tabel 4.11 Sintesis Sub Parameter Sistem Pernafasan Sistem Pernafasan

Respirasi Vc Ukur Jumlah Prioritas Respirasi 0,75 0,75 1,50 0,75

Vc Ukur 0,25 0,25 0,50 0,25

Respirasi

> 20 (12 - 20) Jumlah Prioritas

> 20 0,75 0,75 1,50 0,75 (12 - 20) 0,25 0,25 0,50 0,25

Vc Ukur

< 2,12 (2,12-4,6) Jumlah Prioritas

< 2,12 0,75 0,75 1,50 0,75 (2,12-4,6) 0,25 0,25 0,50 0,25

Tabel 4.12 Sintesis Sub Parameter Umur Sub Kriteria Umur

x > 35 18 <= x <= 35 x < 18 Jumlah Prioritas x > 35 0,65 0,69 0,56 1,90 0,63 18 <= x <= 35 0,22 0,23 0,33 0,78 0,26 x < 18 0,13 0,08 0,11 0,32 0,11

Tabel 4.13 Sintesis Sub Parameter Warna Kuku Sub Kriteria Warna Kuku

R G B Jumlah Prioritas R 0,5 0,57 0,4 1,47 0,49

G 0,3 0,3 0,4 0,94 0,31

B 0,25 0,14 0,2 0,59 0,20

Sub Kriteria Warna Kuku R

x < 150 x => 150 Jumlah Prioritas x < 150 0,75 0,75 1,50 0,75 x => 150 0,3 0,3 0,50 0,25

Sub Kriteria Warna Kuku B

x < 150 x => 150 Jumlah Prioritas x < 150 0,75 0,75 1,50 0,75 x => 150 0,3 0,3 0,50 0,25

Sub Kriteria Warna Kuku G

x < 150 x => 150 Jumlah Prioritas x < 150 0,75 0,75 1,50 0,75 x => 150 0,3 0,3 0,50 0,25

Tabel 4.14 Sintesis Sub Parameter Suhu Tubuh Sub Kriteria Suhu Tubuh

x > 37,2° x < 36° 36° <= x <= 37,2° Jumlah Prioritas

x > 37,2° 0,65 0,69 0,56 1,90 0,63

x < 36° 0,22 0,23 0,33 0,78 0,26

36° <= x <= 37,2° 0,13 0,08 0,11 0,32 0,11 4. Menghitung konsistensi (λmaks), concictency index (CI) dan

concictency ratio (CR)

Cara menghitung λmaks adalah dengan cara kalikan setiap nilai kolom pertama dengan prioritas relatif kriteria pertama, nilai kolom kedua dengan prioritas relatif kedua, dan seterusnya. Jumlahkan setiap baris.

Hasil penjumlahan baris dibagi prioritas relatif kriteria bersangkutan.

Jumlahkan seluruh hasil bagi hasilnya disebut 𝜆𝑚𝑎𝑘𝑠.

Cara menghitung CI adalah dengan rumus dibawah ini : 𝐶𝐼 = (𝜆_{𝑚𝑎𝑘𝑠}− 𝑛)

(𝑛 − 1)

Dengan n = jumlah jumlah parameter

Cara menghitung CR adalah dengan rumus dibawah ini : 𝐶𝑅 = 𝐶𝐼

𝑅𝐼

Dengan nilai RI terdapat pada Tabel 2.3.

Tabel 4.15 Nilai λmaks, CI dan CR Parameter Utama

λmaks 4,30

CI 0,10

CR 0,1 %

Tabel 4.16 Nilai λmaks, CI dan CR Sub Parameter Sistem Pernafasan

λmaks 2

CI 0

CR 0 %

Tabel 4.17 Nilai λmaks, CI dan CR Sub Parameter Umur

λmaks 3,06

CI 0,03

CR 0,05 %

Tabel 4.18 Nilai λmaks, CI dan CR Sub Parameter Warna Kuku

λmaks 2

CI 0

CR 0 %

Tabel 4.19 Nilai λmaks, CI dan CR Sub Parameter Suhu Tubuh

λmaks 3,06

CI 0,028

CR 0,05 %

5. Memeriksa konsistensi hierarki

Dengan nilai CR pada parameter dan tiap-tiap sub parameter di bawah 0,1 atau 10% maka hierarki “Konsisten”

4.5 Pengujian Hasil Keputusan Indikasi Dini Kesehatan Paru-paru

Berikut merupakan hasil keputusan indikasi dini kesehatan paru-paru berdasarkan hasil pengujian metode analytical hierarchy process :

Tabel 4.20 Pengujian Hasil Keputusan Menggunakan Metode AHP

Orang-

ke Umur

Sistem

Pernafasan Warna Kuku

Suhu Tubuh

(°C)

Hasil Keputusan Respirasi

Rate (rpm)

Vc Ukur (volt)

R G B

1 12 18 4,13 142 117 105 36,7 Sehat

2 20 19 4,27 162 96 166 36,6 Sehat

3 21 20 4,2 94 66 51 38 Sehat

4 22 25 3,95 164 180 217 36,4 Cek ke

dokter

5 22 16 3 210 222 255 36,2 Sehat

6 23 18 2,2 230 235 255 36,8 Cek ke

dokter

7 21 17 4,27 224 235 244 37,9 Sehat

8 22 19 4,13 211 190 200 36,9 Sehat

9 40 15 3,93 193 144 160 36,6 Cek ke

dokter

10 50 22 2,12 239 238 255 36,8 Cek ke

dokter

4.5.1 Proses Pengambilan Keputusan

Pada Tabel 4.21, hasil keputusan “Sehat” dan “Cek ke dokter” dibuat berdasarkan jumlah nilai prioritas. Jika nilai dibawah 0.3, keputusan AHP menunjukkan “Sehat” dan jika nilai diatas 0.31, keputusan AHP menunjukkan “Cek ke dokter”. Nilai 0,3 didapat dari hasil nilai prioritas terkecil ketika hanya salah satu kondisi parameter yang tidak ideal.

Tabel 4.21 Hasil Keputusan Sesuai Nilai Prioritas

Orang

ke Umur

Sistem

Pernafasan Warna Kuku

Suhu Tubuh

Jumlah Nilai Prioritas

Hasil Keputusan Respirasi

Rate

Ukur R G B

1 0,029 0,103 0,034 0,007 0,005 0,003 0,016 0,197 Sehat 2 0,068 0,103 0,034 0,002 0,005 0,001 0,016 0,229 Sehat 3 0,068 0,103 0,034 0,007 0,005 0,003 0,038 0,258 Sehat 4 0,068 0,309 0,034 0,002 0,002 0,001 0,016 0,432 Cek ke

dokter 5 0,068 0,103 0,034 0,002 0,002 0,001 0,016 0,226 Sehat 6 0,068 0,309 0,034 0,002 0,002 0,001 0,016 0,432 Cek ke

dokter 7 0,068 0,103 0,034 0,002 0,002 0,001 0,038 0,248 Sehat 8 0,068 0,103 0,034 0,002 0,002 0,001 0,016 0,226 Sehat 9 0,164 0,103 0,034 0,002 0,005 0,001 0,016 0,325 Cek ke

dokter 10 0,164 0,309 0,034 0,002 0,002 0,001 0,016 0,528 Cek ke dokter

4.6 Pengujian Quality of Service Pada Sistem

Pada tugas akhir kali ini, penulis menggunakan dua parameter, yaitu delay dan Throughput.

4.6.1 Pengujian Delay

Pengujian delay dilakukan dengan cara mengukur lama waktu tempuh yang dibutuhkan saat pengiriman data dari alat ke API dan sebaliknya dengan lama waktu tempuh yang dibutuhkan saat pembacaan data API ke alat.

Pengukuran delay dilakukan dengan menggunakan 60 sampel yang dilakukan sebanyak 6 sesi, dimana 1 sesi terdapat 10 sampel pengujian. Berikut merupakan grafik hasil pengukuran delay yang telah dilakukan:

Gambar 4.4 Delay Alat ke API

Gambar 4.5 Delay API ke Alat

Gambar 4.4 merupakan hasil pengujian delay alat ke API yang telah dilakukan,dari hasil pengujian tersebut didapatkan rata-rata delay sebesar 0,670s untuk delay terkecil terdapat pada sesi 1 sebesar 0,526s sedangkan delay terbesar terdapat pada sesi 4 sebesar 0,735s. Gambar 4.5 merupakan hasil pengujian delay API ke alat, dari hasil pengujian tersebut didapatkan bahwa rata-rata delay sebesar 0,566s untuk delay terkecil terjadi pada sesi 1 yaitu sebesar 0,537s sedangkan delay terbesar terjadi pada sesi 6 yaitu sebesar 0,568s.

4.6.2 Pengujian Throughput

Pengujian throughput dilakukan pada saat pengiriman dan pembacaan data dari alat ke API dan sebaliknya. Pengukuran throughput dilakukan

0,526 0,586

0,729 0,735 0,731 0,709

0,000 0,100 0,200 0,300 0,400 0,500 0,600 0,700 0,800

1 2 3 4 5 6

Delay (Second)

Sesi ke-

DELAY ALAT - API

0,537

0,551

0,557 0,562 0,561

0,568

0,520 0,530 0,540 0,550 0,560 0,570 0,580

1 2 3 4 5 6

Delay (second)

Sesi ke-

DELAY API - ALAT

dengan menggunakan 60 sampel yang dilakukan sebanyak 6 sesi, dimana 1 sesi terdapat 10 sampel pengujian. Berikut grafik hasil pengukuran throughput yang terdapat pada gambar 4.6 dan gambar 4.7 dibawah.

Gambar 4.6 Throughput Alat ke API

Gambar 4.7 Throughput API ke Alat

Berdasarkan pada hasil pengujian yang telah dilakukan didapatkan hasil rata-rata throughput alat ke API sebesar 26.969bps untuk throughput terkecil terdapat pada sesi 5 sebesar 22.086bps sedangkan yang terbesar terdapat pada sesi 2 sebesar 29.950bps. Sedangkan untuk rata-rata throughput dari API ke alat sebesar 26.535bps, throughput terkecil terdapat pada sesi 3 sebesar 22.212bps dan yang terbesar terdapat pada sesi 1 yaitu sebesar 31.170bps.

23100

29950

27234 29800

22086

29643

0 5000 10000 15000 20000 25000 30000 35000

1 2 3 4 5 6

Throughput (bps)

Sesi ke-

THROUGHPUT ALAT - API

31170

28080

22212 22528

28788

26431

0 5000 10000 15000 20000 25000 30000 35000

1 2 3 4 5 6

Throughput (bps)

Sesi ke-

THROUGHPUT API - ALAT

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari hasil perancangan sistem, pengujian, dan analisis pada penelitian Tugas Akhir ini, maka penulis mendapatkan beberapa kesimpulan yaitu:

1. Sistem pada prototipe alat pendeteksi indikasi dini kesehatan paru-paru menggunakan metode Analytic Hierarchy Process secara keseluruhan berjalan dengan baik.

2. Cara kerja sistem diawali dengan pengambilan data oleh sensor warna TCS3200, sensor suhu DS18B20 dan sensor piezoelektrik, lalu data dikirimkan ke database Firebase, lalu data diambil dan diolah menggunakan metode analytic hierarchy process pada aplikasi, dan akhirnya hasil keputusan akhir yang telah diolah ditampilkan pada aplikasi.

3. Persentase error masing-masing sensor adalah 0,759% untuk sensor suhu DS18B20, 4.1% untuk sensor warna TCS3200 dan 3,46% untuk sensor piezoelektrik.

4. Nilai concictency rate per parameter dibawah 0,1 atau dibawah 10%, maka sistem hierarki adalah “Konsisten”

5. Rata-rata delay dari alat ke API sebesar 0,670s sedangkan dari API ke alat sebesar 0,566s.

6. Rata-rata throughput dari alat ke API sebesar 26.969bps sedangkan dari API ke alat sebesar 26.535bps.

5.2 Saran

Dari hasil penelitian Tugas Akhir ini, terdapat beberapa saran yang dapat dilakukan kedepannya terkait sistem yang dirancang yaitu:

1. Menambahkan sensor lain agar hasil dari input pada alat lebih akurat.

2. Menambakan parameter kesehatan paru-paru yang lainnya agar hasil keputusan kesehatan paru-paru lebih akurat.

3. Menambahkan feedback langsung atau controlling dari alat atau sistem agar lebih efisien.

4. Mencari metode lain agar hasil keputusan pada sistem lebih efisien dan akurat.

DAFTAR PUSTAKA

[ 1 ] tb.indonesa,id/pustaka-tbc/dashboard-tb/, Situasi TB di Indonesia, Kementrian Kesehatan Republik Indonesia, 2020

[ 2 ] gco.iarc.fr , Global Cancer Observatory (GCO)

[ 3 ] I. Naradhyana, U. Sunarya, and S. Hadiyoso, “Alat Pemantau Sistem Pernafasan Menggunakan Mikrokontroller dan E-health PCB”, e-Proceeding of Applied Science : vol.1, no.1, 2015, Universitas Telkom.

[ 4 ] L. Mayer and R. Bhikha, “Nails as Indicators of Health Status”, Tibb Inst., 2014.

[ 5 ] D. Kurniawan, R. Maulana, and M. H. H. Ichsan, “Implementasi Pendeteksi Penyakit Paru-Paru Berdasarkan Warna Kuku dan Suhu Tubuh Berbasis Sensor TCS3200 Dan Sensor LM35 dengan Metode Naive Bayes”, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol.3, no.4, hal.

3383–3389, 2019, Universitas Brawijaya.

[ 6 ] A. E. Munthafa and H. Mubarok, “Penerapan Metoda Analytic Hierarchy Process Dalam Sistem Pendukung Keputusan Penentuan Mahasiswa Berprestasi”, Jurnal Siliwangi, vol.3, no. 2, 2017, Universitas Siliwangi [ 7 ] P. Sethi, and S. R. Sarangi, “Internet Of Things: Architectures, Protocols, and

Applications”, Hindawi, Journal of Electrical and Computer Engineering, 2017, Department of Computer Science, IIT Delhi, New Delhi, India.

[ 8 ] Adnan M, “Radiology of The Respiratory System”, Medical Report, Department of Radiology Medical Faculty, UNHAS.

[ 9 ] P. Gokhale, O. Bhat and S. Bhat, “Introduction to IOT”, International Advanced Reasearch Journal in Science, Engineering and Technology, Vol.

5, Issue 1, January 2018, IT Dept., Smt. Kashibai Navale College of Engineering

[10] D. Sasmoko and Y. A. Wicaksono, “Implementasi Penerapan Internet of Things (IoT) Pada Monitoring Infus Menggunakan ESP 8266 dan We Untuk Berbagi Data”, Jurnal Ilmiah Informatika, 2017, Sekolah Tinggi Elektronika dan Komputer Semarang.

[11] Shan, H. "DS18B20 Waterproof Temperature Sensor Cable."

Terraelectronica. Ru (2017): 0-2.

[12] SAHULEKA, BRIAN., LIM, RESMANA., SANTOSO, PETRUS., Sistem Data Logging Sederhana Berbasis Internet Of Things untuk Pemantauan Suhu Tubuh dan Detak Jantung. Program Studi Teknik Elektro,Universitas Kristen Petra, 32, 1411-870X.

[13] D. A. E. Putra, “Smartphone Sebagai Gaya Hidup” 2015, Universitas Sumatera Utara.

[14] R. L. Sidam, M. S. Suraatmadja and H. Fauzi, “Perancangan Alat Ukur Denyut Nadi Menggunakan Sensor Strain Gauge Melalui Media Bluetooth Smartphone”, e-Proceeding of Engineering : Vol. 3, No. 2, Agustus 2016, Page 1305, Fakultas Teknik Elektro, Universtias Telkom.

[15] Tam, K., Feizollah, A., Anuar, N. B., Salleh, R., & Cavallaro, L. (2017). The Evolution of Android Malware and Android Analysis Techniques. ACM Computing Surveys, Vol. 0, No. 0, Article 00, 1-33.

[16] Clifton Craig, A. G. (2015). Learn Android Studio: Build Android Apps Quickly and Effectively. New York: Apress.

[17] Panchal, P. R., & Patel, M. A. (2017). A comparative study: Java Vs kotlin Programming in Android. International Journal of Innovative Trends in Engineering & Research, 4-10.

[18] Khan, M. E., & Khan, F. (2012). A Comparative Study of White Box, Black Box and Grey Box Testing Techniques. International Journal of Advanced Computer Science and Applications, Vol. 3, No.6, 12-15.

[19] Y. D. Yun, C. Lee, and H. S. Lim, “Designing an intelligent UI/UX system based on the cognitive response for smart senior,” Proceeding - 2016 2nd Int.

Conf. Sci. Inf. Technol. ICSITech 2016 Inf. Sci. Green Soc. Environ., pp.

281–284, 2017

[20] Zhong, Chang-Le, Zhen Zhu, and Ren-Gen Huang. "Study on the IOT architecture and gateway technology." 2015 14th International Symposium on Distributed Computing and Applications for Business Engineering and Science (DCABES). IEEE, 2015.

[21] K. M. Riki, R. Maulana and W. Kusuma, “Implementasi Sensor Piezoelektrik Sebagai Prototype Alat Musik Piano Berbasis Arduino UNO.”, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, Vol. 2, No. 11,

Dalam dokumen PROTOTYPE FOR EARLY LUNG HEALTH INDICATION DETECTOR USING ANALYTIC HIERARCHY PROCESS METHOD BASED ON INTERNET OF THINGS (IOT) (Halaman 31-39)