<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Implementasi Alat Pendeteksi Stres berbasis IoT

dc.Identifier.NIM20524124
dc.Identifier.NIM20524058
dc.contributor.authorFitriani, Desy
dc.contributor.authorRahardian, Quincy
dc.date.accessioned2024-09-17T07:12:42Z
dc.date.available2024-09-17T07:12:42Z
dc.date.issued2024
dc.description.abstractStres merupakan respons kompleks terhadap situasi yang mengganggu keseimbangan, sering diabaikan seiring bertambahnya usia. WHO mencatat 800.000 kasus bunuh diri setiap tahun karena stres tidak terkelola, yang dapat memicu gangguan mental dan masalah fisik seperti hipertensi dan penyakit jantung. Stres yang tinggi berdampak negatif bagi kesehatan seseorang, sehingga dibutuhkan sebuah alat yang mampu mendeteksi stres pada pengguna secara akurat dan tepat waktu, serta mengklasifikasikan tingkat stres sesuai dengan standar yang ada dalam domain kesehatan mental, sehingga pengguna dapat langsung mengetahui kondisi stres mereka. Implementasi alat pendeteksi stres berbasis IoT menggunakan Wemos D1 Mini ESP8266 sebagai mikrokontroler utama, Sensor MAX30102 untuk mengukur detak jantung, dan Sensor DS18B20 untuk memantau suhu tubuh. Data dari sensor-sensor ini diproses dengan pemrograman if else untuk mengklasifikasikan tingkat stres, kemudian dibandingkan dengan tabel parameter stres untuk menentukan kondisi stres manusia. Setiap sensor mengumpulkan data yang diukur dan membandingkannya dengan standar yang telah ditentukan untuk menilai tingkat stres individu secara real-time. Hasil pengujian alat menunjukkan bahwa sistem ini dapat secara otomatis mengklasifikasikan tingkat stres dengan baik menggunakan platform Blynk. Rata-rata error yang tercatat adalah 0,56% untuk pengukuran heart rate dengan jam, 0,72% untuk pengukuran heart rate dengan EKG dan 0,76% untuk pengukuran suhu tubuh, dengan tingkat akurasi masing-masing mencapai 99,44%, 99,28% dan 99,24%. Namun, saat dibandingkan dengan kuesioner yang diisi oleh subjek, sistem menunjukkan error sebesar 21,25% dan tingkat akurasi 78,75%. Hal ini disebabkan oleh jumlah subjek yang terlalu sedikit dalam pengujian, serta kemungkinan bias antara data dari kuesioner dengan hasil justifikasi stres oleh alat.en_US
dc.identifier.urirepository.uii.ac.id/handle/123456789/51881
dc.publisherUniversitas Islam Indonesiaen_US
dc.titleImplementasi Alat Pendeteksi Stres berbasis IoTen_US
dc.typeThesisen_US

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
20524124.pdf
Size:
5.5 MB
Format:
Adobe Portable Document Format
Description:

License bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: