Hasil Pencarian  ::  Simpan CSV :: Kembali

"Glukosa adalah salah satu indikator kesehatan tubuh yang dapat dideteksi oleh urin yang dapat membantu pendeteksian dini penyakit diabetes dan glikosuria. Glukosa dapat dideteksi oleh urine analyzer menggunakan metode pembacaan perubahan warna pada strip uji urin. Namun sayangnya, akses terhadap urine analyzer masih sangat terbatas dikarenakan ukurannya yang terlalu besar dan harganya yang terlalu mahal. Dalam penelitian ini sistem pengukuran kadar gula urin yang lebih murah dan lebih portabel dibuat menggunakan analisis citra berbasis ponsel pintar yang dipadukan dengan pemrosesan melalui komputer. Ponsel pintar yang digunakan pada penelitian ini adalah Huawei Nova 5T dan Samsung Galaxy A51 dengan bantuan aplikasi kamera OpenCamera. Citra strip uji diambil dengan menggunakan kotak khusus yang ditambahkan papan warna sebagai alat bantu untuk mengoreksi warna. Papan warna tersebut telah diuji menggunakan standar papan warna X-Rite ColorChecker. Citra yang telah diambil akan dikoreksi warnanya menggunakan metode Root-Polynomial Color Correction (RPCC) -yang telah diuji kemampuan koreksi warnanya pada variasi suhu warna lampu 2500K-8500K. Citra yang telah dikoreksi kemudian diprediksi kadar gulanya dengan model regresi Decision Tree menggunakan LSBoost. Hasil penelitian menunjukkan, Metode RPCC menunjukkan performa yang baik dengan nilai evaluasi koreksi warna (delta e) sebesar 1,8 – 2,6 ΔE. Hasil koreksi warna terbaik dimiliki oleh citra dengan suhu warna 4500K-7000K. Model regresi menghasilkan nilai evaluasi sebesar 0,21 – 0,01 RRMSE. Hasil ini menunjukkan bahwa sistem pengukuran kadar gula urin dengan metode pembacaan strip uji berbasis ponsel pintar yang menggunakan model Decision Tree-LSBoost dapat digunakan untuk mendeteksi nilai kadar gula.......Glucose is one of the health indicators that can be detected from urine and it can be an early detection for diabetes and glycosuria. Glucose can be detected using a urine analyzer that uses the method of reading the color change on a urine test strip. However, access to urine analyzers is still very limited due to their large size and expensive price. In this study, a cheaper and more portable urine sugar measurement system was created using smartphone-based image analysis combined with computer processing. The smartphones that were used in this study are Huawei Nova 5T and Samsung Galaxy A51 who used the OpenCamera application. The image of the test strip is taken by using a special box with a color board inside as a tool for correcting colors. The color boards have been tested using the X-Rite ColorChecker standard. The image that has been taken will be color corrected using the Root-Polynomial Color Correction (RPCC) method, which has been tested for its color correction ability at the color temperature variation of the 2500K-8500K lamp. The corrected image then used to predict the sugar content using Decision Tree-LSBoost regression model. The results showed the RPCC method has a good performance with a color correction evaluation value (delta e) of 1.8 - 2.6 ΔE. The best color correction result is an image with a color temperature of 4500K-7000K. The regression model produces an evaluation value of 0,21 - 0,01 RRMSE. These results indicate that the urine sugar level measurement system with a smartphone-based test strip reading method using the Decision Tree-LSBoost model can be used to detect the value of sugar levels."

"Glikosuria merupakan suatu kondisi ketika terdapat kandungan gula di dalam urine. Umumnya, penderita glikosuria adalah pasien diabetes. Kandungan gula diatas 11,10 mmol/L mengindikasikan pasien tersebut menderita diabetes. Menurut data dari International Diabetes Federation, sekitar 537 juta orang dewasa mengidap penyakit diabetes. Ibu hamil pengidap diabetes berpeluang untuk melahirkan anak dengan diabetes, hal tersebut dapat memengaruhi tumbuh kembang anak sehingga berpotensi mengidap stunting. Pada penelitian ini, dibangun sistem estimasi berbasis kolorimetri dan arsitektur CNN-AlexNet dari citra strip uji. Sistem akuisisi citra dilakukan di dalam kotak uji dengan sumber pencahayaan LED, barcode uji, dan papan warna referensi. Citra barcode uji diakuisisi dengan menggunakan kamera ponsel pintar Huawei Nova 5T, Samsung Galaxy A72, dan Vivo Y12. Citra dikoreksi menggunakan model Polynomial Color Correction (PCC) orde 9. Warna referensi yang digunakan untuk mengoreksi citra dilakukan evaluasi terhadap warna-warna yang berpengaruh dalam proses koreksi warna. 16 warna referensi dipilih dengan warna yang digunakan adalah warna grayscale, warna primer RGB, dan beberapa warna natural. Validasi dengan urine asli menggunakan arsitektur CNN-AlexNet menghasilkan performa pada model klasifikasi adalah 0,96 dan pada model regresi adalah 0,93. Hasil tersebut menunjukkan bahwa sistem estimasi berbasis citra ponsel pintar dengan prinsip kolorimetri dapat digunakan untuk menentukan kelas dan mengukur kadar gula urine.......Glycosuria is a condition characterized by the presence of sugar in the urine. Diabetic patients are more likely to have glycosuria. Diabetes is indicated by a sugar content greater than 11.10 mmol/L. According to the International Diabetes Federation, approximately 537 million adults have diabetes. Pregnant women with diabetes have the potential to have children with diabetes, which can affect their growth and development, potentially leading to stunting. In this study, an estimation system based on colorimetry and CNN-AlexNet architecture was built from test strip images. The image acquisition system is performed in a test box with LED lighting source, test barcode and reference color board. The Huawei Nova 5T, Samsung Galaxy A72, and Vivo Y12 smartphone cameras were used to capture the test barcode image. The image is corrected using a 9th order Polynomial Color Correction (PCC) model. The reference color used to correct the image is evaluated for the colors that affect the color correction process. Grayscale colors, RGB primary colors, and a few natural colors are used as the 16 reference colors that were chosen. Validation with urine using the CNN-AlexNet architecture resulted in a classification model performance of 0.96 and a regression model performance of 0.93. These results indicate that an estimation system based on smartphone imagery with colorimetric principles can be used to determine the class of sugar content and measure urine sugar levels."

"Kesehatan merupakan kebutuhan dasar setiap manusia untuk menjalani kehidupan sehari hari. Urinalisa merupakan pemeriksaan kesehatan tubuh berdasarkan cairan urin. Protein merupakan salah satu parameter yang dapat digunakan untuk mengetahui kondisi kesehatan tubuh. Keadaan protein yang tidak normal dalam tubuh dapat mengindikasikan adanya penyakit gangguan ginjal, gagal jantung dan proteinuria. Urine analyzer merupakan alat yang dapat mendeteksi adanya protein dalam urin. Keterbatasan akses menggunakan alat Urine Analyzer menjadi latar belakang dilakukan pengukuran protein dalam urin berbasis ponsel pintar. Ponsel pintar mempunyai kamera ponsel yang memungkinkan digunakan dalam pemrosesan gambar. Ponsel pintar yang digunakan untuk pengukuran protein pada urin dalam penelitian ini adalah Huawei Nova 5T dan Samsung Galaxy A51 dengan menggunakan aplikasi Opencamera untuk mengambil citra sampel strip uji dan papan warna. Pada penelitian ini dilakukan pula pengujian ukuran resolusi kamera terhadap algoritma koreksi warna dan segmentasi pada citra. Data citra kemudian dilakukan koreksi warna untuk menghasilkan warna citra yang optimal. Metode koreksi warna yang digunakan adalah metode Root-Polynomial Color Correction (RPCC). Citra hasil koreksi warna selanjutnya digunakan sebagai data masukan untuk pengukuran kadar protein pada urin menggunakan model regresi Artificial Neural Network dengan metode fungsi pelatihan Lavenberg-Marquardt. Hasil penelitian menunjukan bahwa, algortima koreksi warna bekerja optimal pada ukuran resolusi minimum sampai resolusi maksimum. Algortima koreksi warna yang digunakan menghasilkan performa yang baik dengan hasil evaluasi koreksi warna sebesar 1,13 – 1,83 ΔE. Model regresi menggunakan ANN menghasikan nilai evaluasi sebesar 0,05 – 0,04 RRMSE atau 95% - 96%. Hasil ini menyimpulkan bahwa algortima model regresi Artificial Neural Network dengan fungsi pelatihan Lavenberg-Marquardt dapat digunakan untuk pengukuran kadar protein pada urin berbasis ponsel pintar.......Health is a basic need of every human being. Urinalysis is an examination of the body's health based on urine. Protein is one of the parameters that can be used to determine the health condition of the body. The state of abnormal protein in the body can indicate kidney disorders, heart failure and proteinuria. Urine analyzer is a tool that can detect the presence of protein in urine. Limited access using Urine Analyzer is the background for measuring protein in urine based on smart phones. Smartphones have cell phone cameras that allow them to be used in image processing. The smart phones used for measuring protein in urine in this study were Huawei Nova 5T and Samsung Galaxy A51 using the application Opencamera to take sample images of test strips and color boards. In this study, the size of the camera resolution was also tested against color correction algorithms and image segmentation. The image data is then color corrected to produce the optimal color image. The color correction method use the Root-Polynomial Color Correction (RPCC) method. The color-corrected image then used as input data for measuring protein levels in urine using regression model Artificial Neural Network with training function method Lavenberg-Marquardt. The results show that the color correction algorithm works optimally at the minimum resolution to the maximum resolution. The color correction algorithm used produces good performance with the results of the color correction evaluation being 1,13 – 1,83 ΔE. The regression model using ANN produces an evaluation value of 0.05 – 0.04 RRMSE or 95% – 96%. These results conclude that the regression model algorithm Artificial Neural Network with training function Lavenberg-Marquardt can be used for smartphone-based urine protein measurement."