Electronic Theses and Dissertation

Deteksi dini kondisi jantung pada anak autis memiliki peran penting dalam mengantisipasi reaksi tantrum dan memberikan penanganan medis yang tepat. Metode konvensional untuk menganalisis detak jantung terbukti belum efisien, terutama dalam kasus anak autis yang membutuhkan penanganan cepat dan tepat. Penelitian sebelumnya menunjukkan bahwa purwarupa untuk akuisisi detak jantung anak autis membutuhkan waktu yang lama dalam mengidentifikasi kondisi jantung, serta memerlukan tahapan analisis data yang rumit dan kurangnya perlindungan privasi data pasien. Tujuan penelitian ini adalah mengembangkan purwarupa dengan sistem Internet of Things (IoT) yang mampu mengakuisisi dan mengidentifikasi kondisi detak jantung anak autis secara cepat dan tepat, meningkatkan keamanan privasi data pasien, serta merancang purwarupa yang dapat digunakan baik dalam kondisi tenang maupun saat terjadinya tantrum. Penelitian ini menggunakan pendekatan pengembangan sistem berbasis IoT dengan memanfaatkan sensor AD8232, mikrokontroler Arduino Uno dan Node MCU ESP8266 untuk merekam sinyal EKG secara langsung. Data sinyal EKG diproses dan diidentifikasi menggunakan Butterworth Filter dan Artificial Neural Network (ANN) yang terintegrasi dengan Raspberry Pi. Hasil analisis ditranmisikan melalui Blynk IoT App kepada tenaga medis. Berdasarkan hasil pengujian purwarupa pada anak autis diperoleh hasil dalam 20 menit pengujian, pada 10 menit pertama objek dalam keadaan detak jantung Normal senilai 105,19 BPM dengan akurasi 67% dan pada 10 menit berikutnya detak jantung naik menjadi 117,19 BPM dengan akurasi kinerja program senilai 75% dan berstatus gejala tantrum. Nilai akurasi berubah secara fluktuatif seiring dengan perbaruan data yang diterima oleh sistem selama waktu pengujian.

Early detection of heart conditions in autistic children plays a crucial role in anticipating tantrum reactions and providing appropriate medical treatment. Conventional methods for analyzing heart rates have proven inefficient yet, especially in cases where autistic children require swift and accurate handling. Previous studies have shown that prototypes for acquiring heart rates in autistic children take a considerable amount of time to identify heart conditions, involve complex data analysis steps, and lack patient data privacy protection. The aim of this study is to develop a prototype system utilizing the Internet of Things (IoT) that can swiftly and accurately acquire and identify heart rate conditions in autistic children, enhance patient data privacy security, and design a prototype that can be used both in calm conditions and during tantrums. This study employs an IoT-based system development approach, utilizing the AD8232 sensor, Arduino Uno microcontroller, and Node MCU ESP8266 to record ECG signals directly. The ECG signal data is processed and identified using a Butterworth Filter and Artificial Neural Network (ANN) integrated with a Raspberry Pi. The analysis results are transmitted via the Blynk IoT App to medical personnel. Based on the prototype testing on autistic children, results were obtained within 20 minutes of testing. In the first 10 minutes, the subject's heart rate was in a normal state at 105.19 BPM with an accuracy of 67%. In the following 10 minutes, the heart rate increased to 117.19 BPM with a program performance accuracy of 75%, indicating symptoms of a tantrum. The accuracy value fluctuated in line with the data updates received by the system during the testing period.