<![CDATA[Kanker payudara merupakan penyakit dengan prevalensi tinggi pada perempuan dan seringkali terdeteksi pada stadium lanjut, sehingga diperlukan metode deteksi dini yang bersifat non-invasif, praktis, dan mudah digunakan sebagai skrining awal. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dini kanker payudara berbasis sinyal Photoplethysmogram (PPG) dengan memanfaatkan analisis Heart Rate Variability (HRV) dan algoritma Random Forest. Sinyal PPG diperoleh menggunakan sensor MAX30102 yang ditempatkan pada ujung jari subjek. Dari sinyal tersebut dilakukan deteksi Normal-to-Normal interval (NN interval) untuk mengekstraksi fitur HRV domain waktu, yaitu SDNN, RMSSD, dan pNN50. Model Random Forest dilatih menggunakan dataset HRV sekunder dan kemudian diimplementasikan ke dalam sistem berbasis ESP32. Pengujian sistem dilakukan untuk mengevaluasi akurasi deteksi NN interval, kesesuaian pembacaan nilai denyut jantung, akurasi prediksi klasifikasi sistem pada subjek uji, serta waktu komputasi sistem. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi NN interval dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 0,32% dan pembacaan nilai heart rate dengan MAPE sebesar 1,68%, yang menunjukkan tingkat akurasi pengukuran yang baik. Pada pengujian klasifikasi subjek, sistem mampu mengklasifikasikan 3 dari 5 subjek secara sesuai dengan hasil Pemeriksaan Payudara Klinis (SADANIS), dengan kesalahan klasifikasi berupa false negative pada subjek dengan indikasi kanker payudara. Waktu komputasi rata-rata sistem sebesar 1,7378 ms menunjukkan bahwa sistem memiliki kinerja yang cepat dan stabil. Berdasarkan hasil tersebut, sistem yang dikembangkan memiliki potensi sebagai alat bantu skrining awal kanker payudara berbasis HRV, meskipun masih memerlukan pengembangan lebih lanjut untuk meningkatkan performa klasifikasi dan sensitivitas terhadap subjek dengan indikasi kanker payudara.]]>
