Publisher

ILMUBERSAMAILMUBERSAMA

Journal Hello World Jurnal Ilmu KomputerHello World Jurnal Ilmu Komputer Abstract

Perkembangan teknologi Internet of Things (IoT) telah membuka peluang besar dalam pengembangan sistem monitoring kesehatan pasien secara real-time dengan integrasi sensor tanda vital. Penelitian ini bertujuan untuk mengembangkan sebuah sistem monitoring dan pendukung keputusan kondisi kesehatan pasien yang menggabungkan sensor tanda vital berbasis IoT dengan metode C4.5 sebagai algoritma pengambilan keputusan. Sistem ini dirancang untuk mengumpulkan data vital seperti detak jantung, tekanan darah, dan suhu tubuh secara otomatis melalui sensor yang terhubung ke mikrokontroler ESP32. Data yang diperoleh kemudian diproses menggunakan metode C4.5 untuk memberikan rekomendasi kondisi kesehatan pasien secara akurat dan cepat. Metodologi penelitian meliputi tahap perancangan sistem, pengembangan perangkat keras dan perangkat lunak, implementasi, serta pengujian secara bertahap. Pengujian dilakukan dengan menjalankan program pada perangkat keras yang telah disiapkan, melakukan interaksi pengguna melalui tombol input, dan menampilkan hasil pengukuran serta analisis pada layar LCD. Hasil pengujian menunjukkan bahwa sistem mampu beroperasi dengan stabil, memberikan data tanda vital secara real-time, dan menghasilkan keputusan yang sesuai dengan kondisi kesehatan pasien. Sistem ini juga memiliki antarmuka yang mudah digunakan sehingga memudahkan pengguna dalam melakukan monitoring dan pengambilan keputusan. Implementasi sistem menggunakan perangkat keras seperti ESP32, sensor MAX30102 untuk detak jantung dan oksigen darah, sensor MLX90614 untuk suhu tubuh, tensimeter untuk tekanan darah, push button sebagai input pengguna, dan LCD sebagai media tampilan. Perangkat lunak dikembangkan menggunakan lingkungan pemrograman yang mendukung integrasi IoT dan algoritma C4.5. Komunikasi data antara sensor dan mikrokontroler menggunakan port serial dan I2C yang dipilih karena keandalannya dalam transfer data secara real-time. Kesimpulan dari penelitian ini adalah sistem monitoring dan pendukung keputusan berbasis IoT dengan metode C4.5 yang dikembangkan dapat memberikan solusi efektif dalam memantau kondisi kesehatan pasien secara akurat dan efisien. Sistem ini diharapkan dapat menjadi referensi bagi pengembangan teknologi kesehatan berbasis IoT di masa depan dan memberikan manfaat nyata dalam dunia medis, khususnya dalam pemantauan pasien secara jarak jauh dan pengambilan keputusan klinis yang cepat dan tepat.

Conclusion

Penelitian ini berhasil merancang dan mengimplementasikan sistem monitoring serta pendeteksi kondisi kesehatan pasien berbasis IoT, yang mengintegrasikan sensor tanda vital dengan mikrokontroler ESP32 untuk pengukuran otomatis.Sistem ini efektif mengumpulkan data tekanan darah, detak jantung, dan suhu tubuh, kemudian mentransmisikannya secara nirkabel ke server web untuk ditampilkan secara real-time, dengan algoritma C4.5 sukses digunakan untuk diagnosa otomatis kondisi pasien.Uji coba pada 30 pasien menunjukkan sistem beroperasi stabil, responsif, dan memberikan diagnosa relevan, menjadikannya alat bantu monitoring medis potensial yang mendukung pengambilan keputusan klinis cepat dan akurat.

Future Research

Saran penelitian lanjutan yang relevan dan berpotensi besar dapat fokus pada tiga aspek utama untuk meningkatkan kapabilitas sistem ini secara signifikan. Pertama, meskipun sistem saat ini menunjukkan stabilitas, validasi mendalam menjadi krusial; penelitian di masa depan harus memprioritaskan perbandingan langsung hasil pembacaan sensor sistem dengan perangkat medis standar yang telah terkalibrasi dan teruji klinis, melibatkan kohort pasien yang jauh lebih besar dan beragam untuk memastikan akurasi konkret serta kinerja tangguh dalam skenario nyata. Kedua, untuk memperkaya informasi diagnostik dan prediktif, integrasi sensor tanda vital tambahan sangat disarankan, seperti saturasi oksigen darah (SpO2) secara kontinu, laju pernapasan, atau bahkan rekaman elektrokardiogram (ECG) dasar; dengan dataset yang lebih kaya, penelitian selanjutnya dapat mengeksplorasi algoritma pembelajaran mesin yang lebih canggih melampaui C4.5, guna meningkatkan akurasi diagnosa dan mengembangkan kemampuan prediktif untuk mengidentifikasi risiko kesehatan potensial jauh lebih awal. Ketiga, untuk memaksimalkan dampak sistem dalam pemantauan jarak jauh dan perawatan di rumah, pengembangan antarmuka pengguna (UI) dan sistem notifikasi harus menjadi prioritas, merancang aplikasi seluler yang intuitif untuk menyajikan visualisasi data tren kesehatan yang mudah dipahami, serta mengembangkan notifikasi cerdas real-time yang dapat disesuaikan untuk memperingatkan tenaga medis atau keluarga ketika tanda vital pasien menunjukkan anomali atau mendekati ambang batas kritis, memungkinkan respons cepat dan meningkatkan efisiensi perawatan di berbagai lingkungan, termasuk daerah terpencil.

References

1. Investigating the impact of the English health inequalities strategy: time trend analysis | The BMJ.... bmj.com/content/358/bmj.j3310Investigating the impact of the English health inequalities strategy time trend analysis The BMJ bmj content 358 bmj j3310
2. Sistem Monitoring dan Pendukung Keputusan Kondisi Kesehatan Pasien Menggunakan Integrasi Sensor Tanda... jurnal.ilmubersama.com/index.php/hello_world/article/view/1170Sistem Monitoring dan Pendukung Keputusan Kondisi Kesehatan Pasien Menggunakan Integrasi Sensor Tanda jurnal ilmubersama index php hello world article view 1170
3. Genetic Risk, Adherence to a Healthy Lifestyle, and Coronary Disease | New England Journal of Medicine.... nejm.org/doi/10.1056/NEJMoa1605086Genetic Risk Adherence to a Healthy Lifestyle and Coronary Disease New England Journal of Medicine nejm doi 10 1056 NEJMoa1605086

Metadata

File size	1.07 MB
Pages	14
DMCA	Report