Sistem Pendeteksi Jatuh Pada Penderita Stroke Ringan Menggunakan Algoritma Decision Tree Berbasis Internet of Things

M, ARIEF (2018) Sistem Pendeteksi Jatuh Pada Penderita Stroke Ringan Menggunakan Algoritma Decision Tree Berbasis Internet of Things. Diploma thesis, Universitas Andalas.

[img]
Preview
Text (COVER DAN ABSTRAK)
COVER DAN ABSTRAK M ARIEF 1311511042.pdf - Published Version

Download (308kB) | Preview
[img]
Preview
Text (BAB I PENDAHULUAN)
BAB I M ARIEF 1311511042.pdf - Published Version

Download (587kB) | Preview
[img]
Preview
Text (BAB V PENUTUP)
BAB V M ARIEF 1311511042.pdf - Published Version

Download (174kB) | Preview
[img]
Preview
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA M ARIEF 1311511042.pdf - Published Version

Download (282kB) | Preview
[img] Text (SKRIPSI FULL TEXT)
TUGAS AKHIR M ARIEF 1311511042.pdf - Published Version
Restricted to Repository staff only

Download (5MB)

Abstract

Stroke ringan merupakan sinyal peringatan dari tubuh bahwa seseorang akan terkena stroke. Salah satu gejala stroke adalah mudah hilangnya kesimbangan dan membuat seseorang mudah untuk terjatuh. Biasanya gejala stroke ringan terjadi dalam waktu yang singkat. Walaupun demikian, stroke ringan merupakan kondisi serius yang tidak bisa hilang tanpa adanya pertolongan medis. Namun, karena stroke ringan cepat hilang, banyak yang mengabaikannnya. Algoritma Decision Tree digunakan untuk mendefenisikan pergerakan. Sensor MPU6050 dan sensor GY NEO6 M V2 GPS dan NodeMcu digunakan pada penelitian ini. Percepatan linear dan angular dideteksi dengan menggunakan sensor MPU6050 dan algoritma Decision Tree akan mendefenisikan pergerakan dari penderita stroke ringan berdasarkan skenario yang dikembangkan pada penelitian ini. Sensor GY NEO 6M V2 GPS mendeteksi lokasi penderita stroke ringan. Hasil deteksi pergerakan dan lokasi disimpan pada file. Ketika stroke ringan terjatuh, notifikasi dikirim ke smartphone keluarga pasien. Hasil dari penelitian ini adalah sistem dapat mendefenisikan pergerakan sebesar 81.48% dengan percobaan pada tiga variasi berat.

Item Type: Thesis (Diploma)
Primary Supervisor: DODY ICHWANA PUTRA, M.T
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknologi Informasi > Sistem Komputer
Depositing User: s1 sistem komputer
Date Deposited: 12 Mar 2018 15:27
Last Modified: 12 Mar 2018 15:27
URI: http://scholar.unand.ac.id/id/eprint/32587

Actions (login required)

View Item View Item