<![CDATA[Pemantauan tekanan darah secara berkala merupakan aspek penting dalam pencegahan risiko penyakit kardiovaskular, terutama pada individu dengan potensi hipertensi. Namun, metode pengukuran konvensional berbasis manset masih memiliki keterbatasan dalam mendukung pemantauan yang nyaman dan berkelanjutan. Penelitian ini berfokus pada tahap awal pengembangan sistem estimasi tekanan darah non-invasif berbasis sinyal Photoplethysmogram (PPG), yaitu proses akuisisi, penapisan sinyal, deteksi Normal-to-Normal (NN) Interval, serta ekstraksi fitur morfologi dan statistik. Sinyal PPG diperoleh menggunakan sensor MAX30102 yang diintegrasikan pada prototipe perangkat wearable berbasis mikrokontroler ESP32-S3. Tahapan pengolahan sinyal meliputi akuisisi sinyal nadi, reduksi derau melalui penapisan digital, deteksi puncak pulsa untuk memperoleh NN Interval, serta pembentukan vektor fitur PPG. Fitur yang diekstraksi mencakup karakteristik morfologi pulsa, fitur berbasis detak jantung, lebar pulsa, amplitudo, kemiringan sinyal, serta fitur statistik distribusi gelombang. Berdasarkan proses seleksi fitur, diperoleh sepuluh fitur utama, yaitu mean area, mean slope, HR, pulse width mean, skewness, mean amplitude, kurtosis, pulse width standard deviation, standard deviation amplitude, dan HRV. Hasil pengujian menunjukkan bahwa proses deteksi NN Interval memperoleh akurasi sebesar 98,97%, sedangkan pengujian kesesuaian pembacaan sinyal terhadap hitung nadi manual memperoleh akurasi sebesar 96,99%. Hasil ini menunjukkan bahwa tahapan ekstraksi fitur PPG berbasis MAX30102 mampu menghasilkan vektor fitur yang terstruktur dan representatif sebagai dasar pengembangan model estimasi tekanan darah pada penelitian lanjutan.]]>
Copyrights © 2026
