Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Widasari, Edita
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Implementasi Wearable Device Untuk Sistem Pendeteksi Kelelahan Otot Biceps Menggunakan Metode Support Vector Machine Dasamuka, Tetron; Widasari, Edita
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 9 (2024): September 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kelelahan adalah gejala umum yang dialami oleh banyak orang dan berhubungan dengan banyak kondisi kesehatan. Ini adalah kondisi dimana seseorang mengalami perasaan lemah, kekurangan energi yang signifikan dan merasa sulit untuk melakukan aktivitas sehari-hari. Kelelahan otot adalah penurunan kekuatan maksimal atau produksi tenaga karena aktivitas kontraktil, dan dapat disebabkan oleh berbagai gangguan neurologis, otot, kardiovaskular, penuaan, dan kelemahan. Tujuan dari penelitian ini adalah mengevaluasi tingkat akurasi pembacaan Myoware Muscle Sensor dalam membaca aktivitas otot untuk mendeteksi kelelahan otot. Evaluasi akurasi sensor dibutuhkan karena hasil pembacaan sensor akan langsung mempengaruhi validitas temuan serta efektivitas keseluruhan sistem yang digunakan pada penelitian ini. Hasil penelitian menunjukkan Myoware Muscle Sensor mampu membaca aktivitas otot biceps dengan baik sebesar 100%, mengandalkan elektromyografi (EMG) untuk mendeteksi sinyal listrik yang dihasilkan oleh kontraksi otot. Penggunaan algoritma Support Vector Machine (SVM) dengan fitur Root Mean Square (RMS) dalam sistem pendeteksi kelelahan otot biceps menunjukkan tingkat akurasi yang tinggi sebesar 84%. Waktu komputasi mikrokontroler dalam mengolah data EMG dan menjalankan algoritma SVM cukup efisien untuk kebutuhan real-time dengan rata-rata 650ms. Sistem keseluruhan yang dirancang untuk mendeteksi kelelahan otot, mulai dari sensor input, pemrosesan sinyal, hingga output hasil klasifikasi, 100% bekerja dengan baik dan sesuai harapan.
Implementasi Sistem Real-Time Estimasi Tekanan Darah Berbasis Wearable Electrocardiogram Ramadhani, Rifki; Widasari, Edita
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 menggunakan perangkat berbasis manset memiliki keterbatasan karena pengukurannya bersifat berkala dan dapat menimbulkan ketidaknyamanan apabila digunakan berulang kali. Penelitian ini mengembangkan prototipe sistem real-time untuk melakukan akuisisi sinyal Electrocardiogram (ECG) dan menghasilkan estimasi tekanan darah sistolik serta diastolik menggunakan perangkat wearable Shimmer ECG. Sistem terdiri atas tahap akuisisi sinyal, preprocessing, ekstraksi representasi sinyal, regresi, dan visualisasi hasil melalui graphical user interface. Evaluasi dilakukan terhadap kesesuaian amplitudo ECG, performa estimasi awal, dan keberhasilan integrasi sistem secara real-time. Dari 15 data pengujian, sebanyak 13 data menunjukkan amplitudo ECG yang sesuai dengan rentang referensi Lead II, sehingga diperoleh tingkat kesesuaian sebesar 86,67%. Sistem menghasilkan Mean Absolute Percentage Error sebesar 10,73% untuk tekanan darah sistolik dan 10,74% untuk tekanan darah diastolik. Sistem juga berhasil melakukan akuisisi dan visualisasi ECG secara real-time dengan buffering awal 32 detik serta pembaruan estimasi setiap 10 detik. Hasil tersebut menunjukkan bahwa pipeline yang dikembangkan dapat diimplementasikan sebagai prototipe sistem wearable untuk estimasi tekanan darah secara berkala, meskipun masih diperlukan validasi pada jumlah dan karakteristik subjek yang lebih beragam.
Co-Authors Dasamuka, Tetron Ramadhani, Rifki