<![CDATA[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.]]>
Copyrights © 2025
