IDENTIFIKASI HALITOSIS BERDASARKAN TINGKATAN BERBASIS SENSOR GAS MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION
Author(s) -
Dodon Yendri,
Anisa Irviana,
Andrizal Andrizal
Publication year - 2017
Publication title -
jitce (journal of information technology and computer engineering)
Language(s) - Spanish
Resource type - Journals
ISSN - 2599-1663
DOI - 10.25077/jitce.1.01.35-47.2017
Subject(s) - physics , mathematics
Halitosis merupakan penyebab atau indikasi dari penyakit diabetes mellitus dan infeksi lambung. Penelitian ini bertujuan untuk membuat suatu sistem identifikasi dan klasifikasi kesehatan mulut (halitosis).Sensor gasTGS-2602 akan mendeteksi kadar gas pada mulut, dan mengirim data berupa sinyal analog ke mikrokontroler ATmega 328 Arduino .Pada Raspberry Pi dilakukan pemograman baca data dari mikrokontroller dan menyimpannya pada suatu file dan kemudian mengolah data tersebut dengan menggunakan metode Fast Fourier Transform (FFT) sehingga didapatkan pola data yang diinginkan. Pola data hasil keluaran Fast Fourier Transform (FFT) ini yang akan digunakan sebagai data input pada metode jaringan syaraf tiruan Learning Vector Quantization (LVQ). Pengujian sistem dilakukan kepada orang dengan bau mulut penderita halitosis dan tidak halitosis. Persentase keberhasilan respon sensor terhadap sampel Tidak Halitosis 100%, sampel Halitosis Ringan 25%, sampel Halitosis Sedang 50%, sampel Halitosis Akut 50%. Kata kunci: Sensor GasTGS-2602, Halitosis, FFT, LVQ , Raspberry Pi
Accelerating Research
Robert Robinson Avenue,
Oxford Science Park, Oxford
OX4 4GP, United Kingdom
Address
John Eccles HouseRobert Robinson Avenue,
Oxford Science Park, Oxford
OX4 4GP, United Kingdom