Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Manurung, Manfredy Patarida Hasiholan
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Ekstraksi Fitur Morfologi dan Statistik Sinyal Photoplethysmogram Berbasis MAX30102 sebagai Dasar Estimasi Tekanan Darah Manurung, Manfredy Patarida Hasiholan; Widasari, Edita Rosana; Prasetio, Barlian Henryranu
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pemantauan tekanan darah secara berkala merupakan aspek penting dalam pencegahan risiko penyakit kardiovaskular, terutama pada individu dengan potensi hipertensi. Namun, metode pengukuran konvensional berbasis manset masih memiliki keterbatasan dalam mendukung pemantauan yang nyaman dan berkelanjutan. Penelitian ini berfokus pada tahap awal pengembangan sistem estimasi tekanan darah non-invasif berbasis sinyal Photoplethysmogram (PPG), yaitu proses akuisisi, penapisan sinyal, deteksi Normal-to-Normal (NN) Interval, serta ekstraksi fitur morfologi dan statistik. Sinyal PPG diperoleh menggunakan sensor MAX30102 yang diintegrasikan pada prototipe perangkat wearable berbasis mikrokontroler ESP32-S3. Tahapan pengolahan sinyal meliputi akuisisi sinyal nadi, reduksi derau melalui penapisan digital, deteksi puncak pulsa untuk memperoleh NN Interval, serta pembentukan vektor fitur PPG. Fitur yang diekstraksi mencakup karakteristik morfologi pulsa, fitur berbasis detak jantung, lebar pulsa, amplitudo, kemiringan sinyal, serta fitur statistik distribusi gelombang. Berdasarkan proses seleksi fitur, diperoleh sepuluh fitur utama, yaitu mean area, mean slope, HR, pulse width mean, skewness, mean amplitude, kurtosis, pulse width standard deviation, standard deviation amplitude, dan HRV. Hasil pengujian menunjukkan bahwa proses deteksi NN Interval memperoleh akurasi sebesar 98,97%, sedangkan pengujian kesesuaian pembacaan sinyal terhadap hitung nadi manual memperoleh akurasi sebesar 96,99%. Hasil ini menunjukkan bahwa tahapan ekstraksi fitur PPG berbasis MAX30102 mampu menghasilkan vektor fitur yang terstruktur dan representatif sebagai dasar pengembangan model estimasi tekanan darah pada penelitian lanjutan.
Co-Authors Barlian Henryranu Prasetio Edita Rosana Widasari, Edita Rosana