DETEKSI DINI TUBERKULOSIS MELALUI HEMBUSAN NAPAS BERBASIS ARTIFICIAL INTELLIGENCE YANG TERINTEGRASI INTERNET OF THINGS MUHAMMAD ALIF NAUFAL Primary Author mixed material bibliography Banda Aceh Fakultas Kedokteran 2024

Skripsi

Tuberkulosis (TB) merupakan tantangan kesehatan global yang signifikan, dengan Indonesia menjadi negara kedua dengan kasus TB terbanyak di dunia pada tahun 2023, mencapai lebih dari satu juta kasus dan 134.000 kematian. Deteksi dini TB melalui screening sangat penting untuk meningkatkan keberhasilan pengobatan dan mengurangi penyebaran penyakit. Namun, metode diagnostik konvensional seperti tes cepat molekuler dan kultur bakteri memiliki keterbatasan dalam ketersediaan alat, biaya, dan waktu. Dalam mendukung upaya World Health Organization (WHO) untuk pengembangan metode diagnostik non-sputum yang cepat dan mudah, tim PKM-KC telah mengembangkan prototipe detektor TB berbasis hembusan napas bernama SMELTUB (Smart Measurement of Early Lung Tuberculosis). SMELTUB menggunakan teknologi Electronic Nose (eNose), kecerdasan buatan (AI), dan Internet of Things (IoT) untuk mendeteksi volatile organic compounds (VOCs) dari napas pasien. Prototipe ini dirancang untuk menawarkan metode diagnostik yang portabel, cepat, dan akurat. Pengembangan SMELTUB melibatkan tiga tahapan utama: perancangan dan pengujian fungsional prototipe, pengumpulan dataset pelatihan dari 33 sampel VOCs pasien TB dan individu sehat, serta uji implementasi di fasilitas kesehatan primer. Uji coba menunjukkan akurasi 79%, sensitivitas 78%, dan spesifisitas 80%. Hasil ini menunjukkan potensi SMELTUB sebagai alat screening TB yang efektif dan efisien. Dengan kemampuan deteksi real-time dan integrasi IoT, SMELTUB diharapkan mendukung deteksi dini TB serta memperkuat pengendalian penyakit ini di Indonesia, sejalan dengan target eliminasi TB global pada tahun 2030. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 143481 2024-12-23 14:32:37 2024-12-23 15:54:58 machine generated