Muhammad Shali Alghazali, S (2025) Desain kontrol fuzzy-PID pada infant warmer dilengkapi penilaian APGAR skor berbasis AI menggunakan metode convolutional neural network (analisa appereance skor). Skripsi thesis, Politeknik Kesehatan Kemenkes Surabaya.
![[thumbnail of 1. Cover.pdf]](http://repo.poltekkes-surabaya.ac.id/style/images/fileicons/text.png) |
Text
1. Cover.pdf Download (1MB) |
|
Text
2. Halaman Persetujuan Pembimbing.pdf Restricted to Repository staff only Download (138kB) |
|
Text
3. Halaman Pengesahan Penguji.pdf Restricted to Repository staff only Download (167kB) |
|
Text
4. Surat Pernyataan Orisinalitas.pdf Restricted to Repository staff only Download (398kB) |
|
Text
5. Abstrak.pdf Download (88kB) |
|
Text
6. Kata Pengantar.pdf Restricted to Repository staff only Download (258kB) |
|
Text
7. Daftar Isi.pdf Download (518kB) |
|
Text
8. Daftar Tabel.pdf Download (354kB) |
|
Text
9. Daftar Gambar.pdf Download (362kB) |
|
Text
10. Bab 1.pdf Restricted to Repository staff only Download (442kB) |
|
Text
11. Bab 2.pdf Restricted to Repository staff only Download (792kB) |
|
Text
12. Bab 3.pdf Restricted to Repository staff only Download (1MB) |
|
Text
13. Bab 4.pdf Restricted to Repository staff only Download (1MB) |
|
Text
14. Bab 5.pdf Restricted to Repository staff only Download (4MB) |
|
Text
15. Bab 6.pdf Restricted to Repository staff only Download (408kB) |
|
Text
16. Daftar Pustaka.pdf Download (317kB) |
|
Text
17. Lampiran.pdf Restricted to Repository staff only Download (495kB) |
|
Text
18. Artikel.pdf Restricted to Repository staff only Download (1MB) |
Abstract
Pemantauan warna kulit bayi baru lahir sebagai parameter Appearance dalam penilaian APGAR Score merupakan indikator penting untuk menilai sirkulasi oksigen dan kondisi fisiologis bayi. Namun, metode observasi manual oleh tenaga medis memiliki kelemahan dalam hal subjektivitas, konsistensi, dan berisiko menimbulkan stres pada bayi, terutama pada neonatus prematur. Penelitian ini mengembangkan sistem pendeteksian otomatis berbasis kamera dan Convolutional Neural Network (CNN) untuk mengevaluasi warna kulit bayi secara real-time pada perangkat infant warmer. Sistem ini dirancang untuk mengklasifikasikan warna kulit bayi menjadi tiga kelas utama: Skor 0 (seluruh tubuh kebiruan), Skor 1 (kebiruan pada tangan dan kaki), dan Skor 2 (seluruh tubuh merah muda). Model CNN dilatih menggunakan 9.000 gambar beresolusi 25×25 piksel, dengan proses augmentasi dan validasi menggunakan confusion matrix serta classification report. Evaluasi validasi menunjukkan akurasi klasifikasi total sebesar 95%, dengan F1-score rata-rata 0,90. Performa per kelas mencakup recall 99% untuk Skor 0, 86% untuk Skor 1, dan 100% untuk Skor 2. Sementara itu, pengujian sistem secara nyata pada 3 responden menunjukkan tingkat akurasi keseluruhan sebesar 83,33%, dengan 25 deteksi benar dari 30 percobaan. Kesalahan klasifikasi sebagian besar terjadi antara kelas Skor 0 dan Skor 1 akibat kemiripan distribusi rona piksel. Sistem ini menunjukkan potensi kuat dalam mendukung penilaian APGAR yang objektif dan efisien, serta dapat dikembangkan lebih lanjut untuk aplikasi klinis sebagai alat bantu dalam pemantauan bayi secara otomatis dan real-time.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Contributors: | Contribution Contributor NIDN/NIDK UNSPECIFIED Endro, Yulianto nidn4017077601 UNSPECIFIED Endang Dian, Setioningsih nidn4027077601 |
| Additional Information: | 11SKR20250032 |
| Uncontrolled Keywords: | Incubators, Infant |
| Subjects: | R Medicine > Medical Electronics > Biomedical Engineering |
| Divisions: | Poltekkes Kemenkes Surabaya > Jurusan Teknologi Elektromedik > Program Studi Sarjana Terapan Teknologi Rekayasa Elektro-medis |
| Depositing User: | Nanik Indra Putri Sari |
| Date Deposited: | 03 Jul 2026 01:33 |
| Last Modified: | 03 Jul 2026 01:33 |
| URI: | http://repo.poltekkes-surabaya.ac.id/id/eprint/12194 |
Actions (login required)
 |
View Item |