Record Details

Implementasi Sistem Pembatas Kapasitas Pengunjung berdasarkan Pendeteksian Gejala Suspek COVID-19 menggunakan Metode Random Forest

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Implementasi Sistem Pembatas Kapasitas Pengunjung berdasarkan Pendeteksian Gejala Suspek COVID-19 menggunakan Metode Random Forest
 
Added Entry - Uncontrolled Name Afandi, Rahmat Yusuf
Maulana, Rizal
Setiawan, Eko
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Pemantauan jumlah pengunjung pada tempat umum yang menerapkan aturan PPKM sulit diimplementasikan melalui pemantauan manual jika intensitas mobilisasi pengunjung terlalu padat. Pengecekan gejala kasus suspek COVID-19 di tempat umum hanya menggunakan parameter suhu tubuh kepada pengunjung masih kurang akurat mengingat gejala suspek COVID-19 memiliki beberapa parameter yang dapat diukur. Penelitian ini mengembangkan sistem yang dapat menghitung kapasitas pengunjung secara otomatis serta dapat mengukur gejala suspek COVID-19 berdasarkan suhu tubuh, saturasi oksigen dalam darah, dan waktu respirasi pada pengunjung. Hasil pengukuran dari tiga parameter akan diklasifikasikan dalam dua kelas menggunakan metode Random Forest. LCD pada sistem nampilkan teks berupa nilai ukur sensor dan hasil klasifikasi sebagai keluaran. Buzzer pada sistem menghasilkan suara yang berisi himbauan untuk menerapkan protokol kesehatan sesuai hasil klasifikasi. Hasil pengujian pengukuran saturasi oksigen menggunakan sensor MAX 30100 memeroleh keakuratan rata - rata sebesar 98,98%. Pengukuran suhu tubuh menggunakan sensor MLX 90614 memperoleh keakuratan rata - rata sebesar 99,29%. Pengukuran waktu respirasi menggunakan sensor KY-037 memperoleh rata - rata keakuratan sebesar 97,65%. Pengukuran kapasitas pengunjung menggunakan sensor PIR memperoleh keakuratan sebesar 100%. Hasil pengujian lima belas data tes terhadap klasifikasi Random Forest mencapai keakuratan sebesar 100% dengan rata - rata waktu komputasi sebesar 35,3 s.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/11569
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 6 No 9 (2022): September 2022
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2022 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com