<![CDATA[Penelitian ini bertujuan untuk merancang dan membangun sistem absensi siswa berbasis Internet of Things (IoT) yang terintegrasi dengan pengukuran tingkat stres secara real-time menggunakan algoritma Decision Tree. Latar belakang penelitian ini didasari oleh kelemahan sistem absensi konvensional yang masih rentan terhadap manipulasi data serta belum adanya integrasi dengan pemantauan kondisi kesehatan siswa.Sistem yang dikembangkan memanfaatkan teknologi biometrik berupa sensor fingerprint sebagai media identifikasi kehadiran siswa, serta sensor detak jantung dan sensor suhu tubuh (MLX90614) untuk memperoleh data fisiologis yang digunakan sebagai indikator tingkat stres. Data yang diperoleh kemudian diproses menggunakan algoritma Decision Tree untuk mengklasifikasikan kondisi siswa ke dalam kategori normal, stres sedang, atau stres tinggi. Seluruh data dikirimkan secara real-time melalui jaringan internet menggunakan mikrokontroler ESP32 dan ditampilkan pada aplikasi monitoring berbasis web.Metode penelitian yang digunakan adalah Research and Development (R&D) yang meliputi tahap analisis kebutuhan, perancangan sistem, pengembangan prototype, serta pengujian dan evaluasi sistem. Hasil penelitian menunjukkan bahwa sistem mampu melakukan identifikasi kehadiran secara akurat, membaca data detak jantung dan suhu tubuh dengan baik, serta mengirimkan informasi secara real-time ke sistem monitoring. Selain itu, algoritma Decision Tree dapat digunakan secara efektif dalam mengklasifikasikan tingkat stres siswa berdasarkan parameter fisiologis.Dengan adanya sistem ini, diharapkan dapat meningkatkan efisiensi dan akurasi absensi siswa sekaligus memberikan nilai tambah berupa pemantauan kondisi kesehatan secara objektif. Sistem ini juga dapat membantu pihak sekolah dan orang tua dalam memonitor kondisi siswa secara berkelanjutan serta mendukung pengambilan keputusan yang lebih cepat dan tepat.]]>
Copyrights © 2026
