DETEKSI DINI TUBERKULOSIS MELALUI HEMBUSAN NAPAS BERBASIS ARTIFICIAL INTELLIGENCE Rifa Faruqi Primary Author mixed material bibliography Banda Aceh Fakultas MIPA Informatika 2025

Skripsi

Tuberkulosis (TB) merupakan penyakit infeksi dengan tingkat kasus dan kematian yang masih tinggi pada tahun 2023, sehingga deteksi dini memegang peranan penting dalam menekan laju penyebaran. Napas manusia diketahui mengandung volatile organic compounds (VOCs) yang dapat dijadikan biomarker dalam merefleksikan kondisi kesehatan tertentu, termasuk TB. Electronic nose (eNose) dibanyak penelitian menawarkan pendekatan cepat, murah, dan non-invasif dalam menganalisis VOCs untuk diagnosis penyakit. Penelitian ini berfokus pada menilai potensi eNose dan mengembangkan model machine learning berbasis data napas dalam mendeteksi TB. Prototipe eNose dan model deteksi dirancang dengan mengumpulkan sampel VOCs dari pasien TB dan non-TB, kemudian diolah menggunakan algoritma machine learning untuk mengidentifikasi pola spesifik VOCs. Data napas diperoleh menggunakan eNose yang dirancang dengan enam jenis sensor gas berbeda, mencatat perubahan sinyal saat mendeteksi VOCs yang dihasilkan dari napas. Data mentah dikumpulkan dan diproses menggunakan teknik preprocessing dan feature extraction berbasis statistik sederhana sebelum dilatih dengan beberapa algoritma machine learning. Validasi kinerja dilakukan melalui cross-validation, menghasilkan akurasi puncak sebesar 85% dengan menggunakan algoritma Artificial Neural Network. Hasil ini menunjukkan bahwa karakteristik VOCs dari napas pasien positif TB dan non-TB dapat dibedakan dengan cukup baik oleh sistem yang dikembangkan. Dengan kemampuan non-invasif dan waktu uji yang singkat, pendekatan eNose ini berpotensi menjadi metode pendukung deteksi dini TB serta mempermudah pemantauan pasien di lapangan. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 150963 2025-03-12 11:19:13 2025-03-12 11:35:57 machine generated