<![CDATA[Stres pada pengemudi dapat menurunkan tingkat konsentrasi dan meningkatkan risiko kecelakaan, sehingga deteksi tingkat stres secara real-time menjadi sangat penting, mengingat sistem pada penelitian sebelumnya (Fuad, 2025) masih memiliki keterbatasan dari sisi kenyamanan penggunaan, desain wearable, dan ketahanan terhadap gangguan sinyal. Penelitian ini mengembangkan perangkat wearable berbasis sinyal Photoplethysmogram (PPG) menggunakan sensor MAX30102 dan mikrokontroler ESP32-S3 untuk mengestimasi Beats Per Minute (BPM) serta mendeteksi tingkat stres. Untuk meningkatkan kualitas sinyal PPG yang sering terpengaruh oleh motion artifact, penelitian ini menerapkan algoritma Spectral Peak Recovery (SPARE) yang mencakup tahapan filtering, pemeriksaan kurtosis, Singular Spectrum Analysis (SSA), Harmonic Relationship Estimation (HRE), dan rekonstruksi narrow-band. Pengujian dilakukan terhadap lima subjek melalui tiga skenario simulasi mengemudi (low, medium, dan high) dengan total 15 sesi. Pembacaan BPM dari perangkat dibandingkan dengan oximeter sebagai acuan, sedangkan deteksi stres divalidasi menggunakan kuesioner DASS-42. Hasil pengujian menunjukkan bahwa algoritma SPARE mampu meningkatkan kejelasan bentuk gelombang PPG dan memberikan estimasi BPM yang lebih stabil, dengan rata-rata BPM subjek berada pada rentang 82–89 BPM. Perbandingan hasil deteksi stres menunjukkan tingkat kecocokan sebesar 80% atau 12 dari 15 sampel sesuai dengan hasil DASS-42. Secara keseluruhan, sistem wearable yang dikembangkan bekerja dengan baik dan cukup andal dalam mendeteksi tingkat stres, sehingga berpotensi digunakan sebagai perangkat pemantauan stres non-invasif bagi pengemudi.]]>
Copyrights © 2026
