<![CDATA[Kanker payudara merupakan salah satu penyebab utama kematian pada perempuan di Indonesia, yang tingginya angka mortalitas masih dipengaruhi oleh keterlambatan diagnosis. Metode skrining yang umum digunakan, seperti mamografi, memiliki keterbatasan dari sisi kenyamanan, biaya, dan aksesibilitas, sehingga diperlukan alternatif skrining awal yang bersifat non-invasif dan mudah digunakan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem identifikasi awal kanker payudara berbasis sinyal Photoplethysmogram (PPG) menggunakan metode Decision Tree dengan fitur Heart Rate Variability (HRV), yaitu pNN50 dan High Frequency (HF). Sistem dikembangkan menggunakan sensor MAX30102 untuk akuisisi sinyal PPG dan mikrokontroler ESP32-DEVKITC sebagai unit pemrosesan. Sinyal PPG diproses melalui tahap deteksi puncak untuk memperoleh NN interval, yang selanjutnya digunakan dalam proses ekstraksi fitur pNN50 dan HF. Model klasifikasi Decision Tree dilatih menggunakan dataset HRV dari penelitian terdahulu dan diintegrasikan ke dalam sistem. Hasil pengujian menunjukkan akurasi deteksi NN interval sebesar 99,367% dan error pembacaan sinyal PPG sebesar 1,02% dibandingkan oximeter. Namun, akurasi identifikasi awal kanker payudara sebesar 60% menunjukkan bahwa penggunaan fitur HRV saja masih belum optimal. Meskipun demikian, sistem memiliki waktu komputasi rata-rata 3,68 ms, sehingga berpotensi digunakan sebagai sistem identifikasi awal non-invasif dengan pengembangan lebih lanjut.]]>
Copyrights © 2026
