Publisher

KWIKKIANGIEKWIKKIANGIE

Journal Jurnal Informatika dan BisnisJurnal Informatika dan Bisnis Abstract

Perkembangan teknologi kesehatan berbasis aplikasi mobile memberikan peluang untuk mendukung perawatan pasien penyakit Parkinson yang mengalami gangguan motorik progresif. Dalam konteks keluarga, tantangan umum meliputi ketidakpatuhan pasien terhadap pengobatan, risiko jatuh yang tinggi akibat freezing of gait tanpa pemantauan dini, dan keterlibatan caregiver yang terbatas dalam pengawasan berkelanjutan. Oleh karena itu, diperlukan teknologi assistive berbasis mobile untuk mendukung manajemen obat, pemantauan risiko jatuh, dan koordinasi antara pasien dan caregiver. Penelitian ini menerapkan teknologi assistive untuk manajemen Parkinson dengan menerapkan Finite State Machine sebagai model multi-tahap untuk mendeteksi kondisi pergerakan, yang digabungkan dengan risk stratification untuk menerjemahkan sinyal sensor menjadi tingkat risiko yang dapat diinterpretasikan. Sistem juga melibatkan caregiver melalui mekanisme pemantauan dan notifikasi untuk memungkinkan intervensi dini. Sistem dikembangkan secara iteratif menggunakan Extreme Programming, termasuk tahap perencanaan, desain, pengkodean, dan pengujian. Implementasi dilakukan pada Android menggunakan Kotlin dan Jetpack Compose, dengan memanfaatkan sensor accelerometer dan gyroscope, serta Firebase untuk autentikasi, penyimpanan data, sinkronisasi, dan notifikasi. Pengujian fungsional dilakukan dengan menggunakan black-box testing. Hasil menunjukkan bahwa aplikasi menyediakan manajemen obat dan pemantauan risiko jatuh, serta meningkatkan koordinasi antara pasien dan caregiver. Sistem menunjukkan potensi sebagai teknologi assistive untuk mendukung perawatan Parkinson dalam lingkungan keluarga.

Conclusion

Implementasi teknologi assistive berbasis mobile untuk penderita Parkinson dapat menyediakan manajemen medikasi yang mendukung pengingat, pencatatan, dan pemantauan konsumsi obat secara terstruktur dalam satu platform terintegrasi.Sistem memanfaatkan sensor smartphone berupa accelerometer dan gyroscope yang dimodelkan menggunakan Finite State Machine (FSM) untuk mendeteksi kondisi gerak, kemudian diterjemahkan ke dalam tingkat risiko melalui pendekatan risk stratification sehingga indikator risiko jatuh dapat disajikan secara bertingkat.Selain itu, sistem mengintegrasikan konektivitas antara pasien dan caregiver dalam satu ekosistem monitoring berbasis mobile, yang memungkinkan akses terhadap informasi status sensor, indikator risiko, notifikasi, serta perkembangan konsumsi obat sesuai peran pengguna, sehingga mendukung proses pemantauan dan koordinasi dalam lingkup keluarga.

Future Research

Untuk penelitian selanjutnya, dapat dipertimbangkan integrasi dengan perangkat wearable atau sensor berbasis Inertial Measurement Unit (IMU) untuk memperkaya sumber data gerakan dan mengurangi ketergantungan pada posisi smartphone. Pendekatan berbasis machine learning juga dapat dieksplorasi sebagai alternatif pemodelan untuk memanfaatkan pola dari data historis pengguna dan meningkatkan akurasi deteksi. Selain itu, pengembangan sistem dapat dilakukan dengan mengimplementasikan algoritma machine learning yang lebih canggih, seperti algoritma deep learning, untuk meningkatkan akurasi deteksi kondisi gerak dan risiko jatuh. Penelitian lanjutan juga dapat fokus pada evaluasi kinerja sistem dalam skenario nyata dengan melibatkan lebih banyak pengguna dan melakukan pengujian dalam berbagai kondisi lingkungan.

References

1.  . 0 doi.org/10.3390/app14177540A 0 doi 10 3390 app14177540
2. Literature Review: Analisis Metode Perancangan Sistem Informasi Akademik Berbasis Web | Jurnal Ilmiah... ejournal.fikom-unasman.ac.id/index.php/jikom/article/view/229Literature Review Analisis Metode Perancangan Sistem Informasi Akademik Berbasis Web Jurnal Ilmiah ejournal fikom unasman ac index php jikom article view 229
3. Grid Search Tuning of Hyperparameters in Random Forest Classifier for Customer Feedback Sentiment Prediction.... thesai.org/Publications/ViewPaper?Volume=11&Issue=9&Code=IJACSA&SerialNo=20Grid Search Tuning of Hyperparameters in Random Forest Classifier for Customer Feedback Sentiment Prediction thesai Publications ViewPaper Volume 11 Issue 9 Code IJACSA SerialNo 20
4. Implementasi Algoritma Decision Tree dan Random Forest dalam Prediksi Perdarahan Pascasalin | Jurnal... doi.org/10.60083/jidt.v5i3.393Implementasi Algoritma Decision Tree dan Random Forest dalam Prediksi Perdarahan Pascasalin Jurnal doi 10 60083 jidt v5i3 393

Metadata

File size	841.94 KB
Pages	20
DMCA	Report