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

Abstrak

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.