Claim Missing Document
Check
Articles

Found 1 Documents
Search

Sistem Monitoring Tekanan Darah Berbasis IoT dan Machine Learning Syamsuwardin, Ahmad; Ningrum, Sussi; Astuti, Sri
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini mengembangkan sistem monitoring tekanan darah berbasis Internet of Things (IoT) dan Machine Learning (ML) untuk meningkatkan akurasi dan efisiensi pemantauan kesehatan kardiovaskular. Tekanan darah, sebagai parameter vital, dipantau menggunakan tensimeter digital yang terintegrasi dengan IoT, memungkinkan pengukuran real-time yang dapat diakses melalui smartphone atau website. Data yang dikumpulkan dianalisis menggunakan algoritma Random Forest untuk memprediksi tekanan darah di masa depan berdasarkan data historis serta parameter lain seperti usia dan jenis kelamin. Model prediksi dilatih dengan dataset tekanan darah yang dibagi menjadi 80% untuk pelatihan dan 20% untuk pengujian. Hasil menunjukkan prediksi dengan akurasi tinggi: Mean Squared Error (MSE) sebesar 38,46, Root Mean Squared Error (RMSE) sebesar 6,2, dan R-squared (R²) sebesar 0,78. Ini menunjukkan kemampuan model untuk menjelaskan 78% variabilitas data. Secara keseluruhan, sistem ini menawarkan solusi inovatif untuk pemantauan dan prediksi tekanan darah, memfasilitasi pengambilan keputusan medis, dan berpotensi meningkatkan pelayanan kesehatan serta pencegahan penyakit kardiovaskular. Kata kunci : Internet of Things, Machine Learning, Monitoring, Mean Squared Error, Random Forest, Tekanan Darah.