Shadeq, Muhammad (2025) Rancang Bangun Perangkat Wearable Peringatan Dini Untuk Mencegah Gejala Sleep Apnea. S1 thesis, Universitas Andalas.
![]() |
Text (Cover dan Abstrak)
1_Cover dan Abstrak_Muhammad Shadeq.pdf - Published Version Download (379kB) |
![]() |
Text (BAB I Pendahuluan)
2_BAB 1 PENDAHULUAN_Muhammad Shadeq.pdf - Published Version Download (574kB) |
![]() |
Text (BAB V Penutup)
3_BAB 5 PENUTUP_Muhammad Shadeq.pdf - Published Version Download (319kB) |
![]() |
Text (Daftar Pustaka)
4_DAFPUS_Muhammad Shadeq.pdf - Published Version Download (323kB) |
![]() |
Text (Skripsi Full Text)
5_Full Text_TA_Muhammad Shadeq.pdf - Published Version Restricted to Repository staff only Download (12MB) | Request a copy |
Abstract
Tidur yang buruk dapat merusak kesehatan fisik dan mental. Sleep apnea, yang sering ditandai dengan mendengkur dan kadar oksigen darah rendah (SpO2), melibatkan henti napas sementara dan dapat meningkatkan risiko penyakit kardiovaskular, stroke, dan masalah kognitif. Makalah ini memaparkan desain perangkat peringatan dini yang dapat dikenakan, terdiri dari dua modul: satu untuk deteksi mendengkur menggunakan mikrofon PDM dan Jaringan Saraf Tiruan berbasis TinyML, serta modul lain untuk pemantauan SpO2 dengan sensor MAX30102, yang memberikan peringatan melalui getaran, bunyi bip, atau layar OLED. Data dikirim ke aplikasi smartphone melalui BLE untuk pemantauan real-time. Pengujian menunjukkan bahwa MAX30102 mencapai akurasi 99,06% dalam pengukuran SpO2, sementara model deteksi mendengkur menggunakan fitur MFCC mencapai akurasi 80,5% dengan weighted average : precision 0,806, recall 0,805, dan F1-Score 0,794. Mikrofon secara efektif mendeteksi dengkuran pada jarak 15-100 cm dengan intensitas 38,9-50,6 dB. Sistem beroperasi secara real-time dengan transfer data <1,5 detik dari perangkat ke aplikasi dan operasi terus-menerus hingga 6 jam. Perangkat wearable ini diharapkan menjadi solusi praktis untuk pemantauan dan peringatan dini gejala sleep apnea, terutama dengkuran dan penurunan kadar oksigen darah.
Item Type: | Thesis (S1) |
---|---|
Supervisors: | Nefy Puteri Novani, M.T |
Uncontrolled Keywords: | Sleep Apnea; Snoring Detection; SpO2 Monitoring; Neural Network; TinyML |
Subjects: | T Technology > T Technology (General) |
Divisions: | Fakultas Teknologi Informasi > S1 Teknik Komputer |
Depositing User: | S1 Teknik Komputer |
Date Deposited: | 26 Aug 2025 01:22 |
Last Modified: | 26 Aug 2025 01:22 |
URI: | http://scholar.unand.ac.id/id/eprint/505528 |
Actions (login required)
![]() |
View Item |