<![CDATA[Infus dan oksigen medis merupakan komponen vital dalam perawatan pasien di rumah sakit. Ketidakakuratan dalam pemantauan volume cairan infus dan kapasitas oksigen dapat mengakibatkan keterlambatan penanganan yang membahayakan keselamatan pasien. Penelitian ini bertujuan merancang prototipe sistem pemantauan volume cairan infus dan kapasitas oksigen medis berbasis Internet of Things (IoT) dengan warning system untuk meningkatkan efisiensi perawatan. Sistem ini menggunakan sensor load cell dengan modul HX711 sebagai sensor pendeteksi ketersediaan cairan infus pasien, NodeMCU ESP32 sebagai komponen kontrol yang terhubung dengan jaringan internet, sensor load cell dan Sensor HK1100C untuk membaca kapasitas tekanan oksigen medis pada tabung. Data hasil pengkuran sensor tersebut di sajikan pada web server hinger,io dan google spreadsheet serta dalam tampilan LCD. Hasil pengujian sistem setelah dilakukan perbandingan dengan alat ukur yang terkalibrasi serta pengujian fungsi internet of things didapatkan bahwa alat ini memiliki tingkat keakurasian pembacaaan sensor dengan error 0,37% untuk sensor loadcell dan error 3,72% untuk sensor tekanan oksigen. Prototipe ini diharapkan dapat menjadi solusi otomatis dalam meminimalkan risiko human error dan meningkatkan respons tenaga medis. Infusion and medical oxygen are vital components in patient care in hospitals. Inaccuracy in monitoring the volume of infusion fluids and oxygen capacity can result in delays in treatment that endanger patient safety. This study aims to design a prototype of an Internet of Things (IoT)-based monitoring system for infusion fluid volume and medical oxygen capacity with a warning system to improve care efficiency. This system uses a load cell sensor with the HX711 module as a sensor to detect the availability of patient infusion fluids, NodeMCU ESP32 as a control component connected to the internet network, a load cell sensor and an HK1100C sensor to read the capacity of medical oxygen pressure in the cylinder. The measurement data from the sensor is presented on the thinger.io and google spreadsheet web servers and on the LCD display. The results of system testing after comparison with calibrated measuring instruments and testing the internet of things function showed that this tool has a level of sensor reading accuracy with an error of 0.37% for the load cell sensor and an error of 3.72% for the oxygen pressure sensor. This prototype is expected to be an automatic solution in minimizing the risk of human error and increasing the response of medical personnel.]]>
