Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Ady Firmanda, Dwi
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
Journal : Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

 1 
Implementasi Sistem Deteksi Stress berbasis Machine Learning berdasarkan Sinyal Photoplethysmogram dari Polar Verity Sense Ady Firmanda, Dwi; Sakti Pramukantoro, Eko; Henryranu Prasetio, Barlian
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 1 (2025): Januari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Stress merupakan kondisi tubuh yang terjadi akibat perubahan kondisi tubuh. Kondisi stress dapat mempengaruhi kondisi fisiologis tubuh yang dapat dideteksi sinyal biologis tubuh. Oleh karena itu, untuk mengetahui kondisi stress digunakan sensor Photoplethysmogram (PPG) yang menunjukkan perubahan volume darah yang dapat digunakan untuk mengetahui perubahan kondisi jantung berupa Heart Rate Variability (HRV). Pada penelitian ini dilakukan implementasi sistem deteksi stress menggunakan metode Machine Learning pada Raspberry Pi 4 Model B dengan menggunakan sinyal PPG yang diukur menggunakan sensor Polar Verity Sense dan model Machine Learning yang sudah dirancang. Penelitian ini menunjukkan bahwa sistem dapat diimplementasikan pada Raspberry Pi 4 Model B dengan kinerja sistem menununjukkan throughput, waktu pemrosesan, serta kinerja klasifikasi yang baik dan mampu memproses data stream dari sensor Polar Verity Sense. Hasil pengukuran throughput penerimaan paket dari sensor Polar Verity Sense menunjukkan nilai rata-rata 670,74 Bps dan nilai rata-rata throughput pemrosesan data 670,73 Bps dengan waktu perbedaan throughput yang kecil dan waktu pemrosesan keseluruhan data memiliki rata-rata 6,06 ms dan penggunaan CPU pada klasifikasi data menggunakan Machine Learning dengan nilai 10,76% hingga 14,88% dan waktu pemrosesan 7,98 ms hingga 8,25 ms.
Co-Authors Henryranu Prasetio, Barlian Sakti Pramukantoro, Eko