Alfa Salam, Robi (2026) Rancang bangun sistem rekomendasi sunscreen adaptif berdasarkan intensitas sinar Ultra-Violet berbasis Internet of Things. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (127kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (154kB) | Preview |
|
|
Text (SK BEBAS PLAGIARISM)
3_skbebasplagiarism.pdf Download (571kB) | Preview |
|
|
Text (DAFTAR ISI)
4_daftarisi.pdf Download (254kB) | Preview |
|
|
Text (BAB I)
5_bab1.pdf Download (266kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
6_bab2.pdf Restricted to Registered users only Download (579kB) |
|
|
Text (BAB III)
7_bab3.pdf Restricted to Registered users only Download (250kB) |
|
|
Text (BAB IV)
8_bab4.pdf Restricted to Registered users only Download (2MB) |
|
|
Text (BAB V)
9_bab5.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB VI)
10_bab6.pdf Restricted to Registered users only Download (164kB) |
|
|
Text (DAFTAR PUSTAKA)
11_daftar pustaka.pdf Download (184kB) | Preview |
|
|
Text (LAMPIRAN)
12_lampiran.pdf Restricted to Repository staff only Download (434kB) |
Abstract
Paparan sinar ultra-violet (UV) berlebihan dapat menyebabkan gangguan kesehatan kulit, mulai dari penuaan dini hingga kanker kulit. Namun, penggunaan sunscreen saat ini umumnya dilakukan tanpa mempertimbangkan intensitas UV aktual di lingkungan, sehingga perlindungan kulit menjadi kurang optimal. Penelitian ini bertujuan merancang sistem rekomendasi sunscreen adaptif berbasis Internet of Things (IoT) yang memanfaatkan data intensitas UVA dan UVB. Sistem menggunakan sensor VEML6075, mikrokontroler ESP32, RTC DS3231, dan LCD I2C sebagai tampilan lokal. Data diklasifikasikan menggunakan metode K-Nearest Neighbor (KNN) untuk menghasilkan rekomendasi Sun Protection Factor (SPF) dan Protection Grade of UVA (PA), yang disimpan pada Firebase Real-time Database dan ditampilkan melalui aplikasi Android. Hasil pengujian menunjukkan sensor memiliki kesesuaian 97,93%, model KNN (K=5) mencapai akurasi 99,75% pada klasifikasi SPF dan akurasi 99,85% pada klasifikasi PA, pengujian black box mencapai keberhasilan 100%, dan skor System Usability Scale sebesar 75 (Acceptable, Grade B). Sistem mampu memberikan rekomendasi sunscreen secara adaptif, konsisten, dan akurat.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Internet of Things; K-Nearest Neighbor; sinar ultra-violet; sunscreen; VEML6075 |
| Subjects: | Data Processing, Computer Science Technology, Applied Sciences Personal Health, Hygiene Applied Physics |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Elektro |
| Depositing User: | Robi Alfa Salam |
| Date Deposited: | 31 Aug 2026 04:22 |
| Last Modified: | 31 Aug 2026 04:22 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/140207 |
Actions (login required)
 |
View Item |
