Rancang Bangun Sistem Skrining Kesehatan Praktikan Berbasis Fuzzy Logic pada Ruang Granulasi Fakultas Farmasi Terintegrasi Progressive Web Application

Nur, Muhammad Hafiz (2026) Rancang Bangun Sistem Skrining Kesehatan Praktikan Berbasis Fuzzy Logic pada Ruang Granulasi Fakultas Farmasi Terintegrasi Progressive Web Application. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) 1. Cover & Abstrak.pdf - Published Version Download (541kB)
	Text (BAB I) 2. BAB I.pdf - Published Version Download (1MB)
	Text (BAB IV) 3. BAB IV.pdf - Published Version Download (403kB)
	Text (Daftar Pustaka) 4. Daftar Pustaka.pdf - Published Version Download (426kB)
	Text (Skripsi Fulltext) 5. Skripsi Fulltext.pdf - Published Version Restricted to Repository staff only Download (14MB) | Request a copy

Abstract

Penelitian ini bertujuan untuk merancang dan mengembangkan sistem skrining kesehatan otomatis dan tanpa kontak untuk laboratorium granulasi di Fakultas Farmasi, yang terintegrasi dengan Progressive Web Application (PWA). Pengukuran suhu inframerah konvensional secara inheren rentan terhadap atenuasi spasial yang disebabkan oleh variasi jarak pengukuran. Untuk mengatasi keterbatasan ini, sistem yang diusulkan memanfaatkan mikrokontroler ESP32, sensor inframerah MLX90614, dan sensor Time-of-Flight VL53L0X untuk menerapkan algoritma kompensasi Logika Fuzzy Sugeno Orde Nol. Algoritma ini secara dinamis menyesuaikan pembacaan suhu berdasarkan masukan spasial waktu nyata dalam batas yang telah divalidasi, yaitu 3,5 cm hingga 10,0 cm. Hasil eksperimen menunjukkan bahwa mesin inferensi fuzzy secara signifikan meningkatkan akurasi pengukuran, mengurangi Mean Absolute Error (MAE) dari 1,691 °C (tanpa kompensasi) menjadi 0,299 °C, serta mencapai Mean Absolute Percentage Error (MAPE) tingkat klinis sebesar 0,84%. Selain itu, pengujian klasifikasi tingkat batas pada 30 sampel menghasilkan akurasi sebesar 83,33%, presisi sebesar 87,50%, dan recall sebesar 82,35%, yang membuktikan keandalan diagnostik yang kokoh Dari segi kinerja komputasi, proses penyaringan normal yang dilakukan secara lokal dapat diselesaikan dalam waktu 65,9 ms, sedangkan sinkronisasi cloud IoT ke dasbor PWA yang didukung Firebase untuk deteksi anomali mencapai puncaknya jauh di bawah ambang batas operasional 3.000 ms. Pada akhirnya, stasiun pintar yang diusulkan ini menyediakan mekanisme validasi kesehatan yang sangat akurat, higienis, dan real-time, yang sesuai untuk lingkungan laboratorium yang ketat.

Actions (login required)

View Item