Muhammad Fikry
Program Studi Informatika, Fakultas Teknik, Universitas Malikussaleh, Indonesia

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

Found 1 Documents
Search

Klasifikasi Skor Action Research Arm Test Menggunakan Wearable sensor Berbasis IoT dan Random Forest untuk Rehabilitasi Pasca Stroke Ilmi Sinambela; Muhammad Fikry; Defry Hamdhana
Jurnal Pendidikan dan Teknologi Indonesia Vol 6 No 7 (2026): JPTI - Juli 2026
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.2199

Abstract

Pemantauan fungsi ekstremitas atas merupakan bagian penting dalam rehabilitasi pascastroke, tetapi penilaian secara konvensional masih bergantung pada pengamatan tenaga kesehatan dan sulit dilakukan secara berkelanjutan. Penelitian ini bertujuan mengembangkan prototipe hand wearable sensor berbasis Internet of Things untuk mengklasifikasikan kualitas gerakan tangan berdasarkan skor Action Research Arm Test (ARAT). Perangkat dibangun menggunakan mikrokontroler ESP32 dan dua sensor MPU6050 yang ditempatkan pada punggung tangan dan lengan bawah untuk merekam data akselerometer dan giroskop dari 10 subjek sehat pada tujuh gerakan ARAT yang mencakup kategori gross movement dan grip. Fitur statistik diekstraksi dari sinyal sensor dan ketidakseimbangan data pada setiap kelas ditangani sebelum tujuh model Random Forest dikembangkan secara terpisah untuk memprediksi skor ARAT 0–3 pada setiap gerakan. Hasil pengujian menunjukkan rata-rata akurasi sebesar 89%, presisi makro 0,83, recall makro 0,84, dan F1-score makro 0,84, dengan model gerakan tangan ke belakang kepala mencapai performa tertinggi (akurasi 94%, F1-score 0,90). Hasil tersebut menunjukkan bahwa sistem mampu mengenali pola kualitas gerakan secara menjanjikan sebagai prototipe pendukung pemantauan rehabilitasi, meskipun validasi klinis pada pasien pascastroke masih diperlukan sebelum sistem digunakan dalam pelayanan kesehatan.