Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Menstruasi merupakan proses alami yang terjadi pada tubuh perempuan yaitu saat lapisan rahim terlepas melalui vagina. Menstruasi merupakan bagian normal dari kesehatan reproduksi dan menandakan bahwa tubuh perempuan mampu bereproduksi. Dismenore adalah sensasi nyeri pada perut bagian bawah yang kadang dapat merambat ke pinggul, punggung bagian bawah, dan paha. Dismenore primer merupakan nyeri haid yang tidak didasari kondisi patologis, sedangkan dismenore sekunder merupakan nyeri haid yang didasari dengan kondisi patologis. Dismenore primer dapat dikurangi dengan terapi, salah satunya dengan metode TENS. Transcutaneous Electrical Nerve Stimulation (TENS) adalah metode pereda nyeri yang melibatkan penggunaan arus listrik ringan. Metode ini menggunakan konsep Gate Control Theory yang memberi sensasi baru untuk mengalihkan perhatian dari nyeri yang lain. Alat yang diusulkan menggunakan metode TENS yang dapat dibuat dengan menggunakan motor driver yang mendapatkan tegangan tinggi dari baterai yang dihubungkan ke boost converter (XL6009). Output tegangan yang dihasilkan diolah oleh mikrokontroler (Arduino Nano) sebelum disalurkan ke pad elektroda yang menempel di kulit relawan. Sistem ini diuji pada lima subjek yang sedang mengalami dismenore primer. Keefektifan alat ini diuji secara kualitatif dengan metode kaji nyeri PQRST. Rangkaian pembatas arus didesain untuk keamanan. Setiap subjek menggunakan tegangan yang berbeda-beda. Tegangan yang digunakan sebesar 10-30V. Pulsa listrik yang dihasilkan berbentuk biphasic square wave dengan frekuensi 120Hz dan duty cycle 30% sesuai yang diharapkan. Dari 5 orang subjek memberi nilai 4,4 poin untuk kenyamanan, 4,8 poin untuk kemudahan, 3,2 poin untuk portabilitas, dan 2 poin untuk estetika. Poin yang rendah untuk portabilitas dan estetika disebabkan alat diuji coba ketika belum menggunakan casing. ......Menstruation is a natural process that occurs in a woman's body, namely when the uterine lining is shed through the vagina. Menstruation is a normal part of reproductive health and indicates that a woman's body is capable of reproduction. Dysmenorrhea is a painful sensation in the lower abdomen that can sometimes spread to the hips, lower back and thighs. Primary dysmenorrhea is menstrual pain that is not based on a pathological condition, while secondary dysmenorrhea is menstrual pain that is based on a pathological condition. Primary dysmenorrhea can be reduced with therapy, one of which is the TENS method. Transcutaneous Electrical Nerve Stimulation (TENS) is a pain relief method that involves the use of a mild electric current. This method uses the concept of Gate Control Theory which provides new sensations to divert attention from other pain. The proposed device uses the TENS method which can be made using a motor driver that gets high voltage from a battery connected to a boost converter (XL6009). The resulting voltage output is processed by a microcontroller (Arduino Nano) before being distributed to the electrode pad attached to the volunteer's skin. This system was tested on five subjects who were experiencing primary dysmenorrhea. The effectiveness of this device was tested qualitatively with the PQRST pain assessment method. The current limiting circuit is designed for safety. Each subject uses different voltages. The voltage used is 10-30V. The electrical pulses produced are in the form of a biphasic square wave with a frequency of 120Hz and a duty cycle of 30% as expected. From the 5 subjects, they rated 4.4 points for comfort, 4.8 points for convenience, 3.2 points for portability, and 2 points for aesthetics. Low points for portability and aesthetics are due to the device being tested before having a casing.

Abstrak :
Vital sign merupakan parameter fisiologis yang penting dalam melihat adanya gangguan pada tubuh seseorang. Maka dari itu kebutuhan peralatan dalam pemeriksaan vital sign sangat tinggi. Saat ini vital sign dapat diketahui dengan cara pemeriksaan non-contact. Pemeriksaan vital sign dengan non-contact dapat menggunakan Photoplethysmography (PPG). Saat ini PPG sendiri telah banyak dikembangkan agar dapat membaca keseluruhan vital sign seperti detak jantung, tekanan darah, dan juga konsenstrasi oksigen di dalam darah (SpO2). Pada penelitian ini dirancang pengembangan PPG dengan bantuan pencitraan dalam membaca vital sign. Dataset yang digunakan pada penelitian ini adalah dataset yang berasal dari pengukuran langsung yang telah dirancang agar dapat diproses menjadi sinyal Imaging Photoplethysmography (IPPG) yang baik. Dataset terdiri dari 13 orang laki-laki dan 17 orang perempuan. Dataset yang didapatkan akan dibagi menjadi beberapa scene yang kemudian diproses dalam metode yang diusungkan yaitu Discrete Fourier Transform (DFT) dan Deep Learning yaitu Convolutional Neural Network (CNN). Hasil penelitian ini berupa nilai RMSE dan MAE dimana saat penggunaan DFT menghasilkan masing masing 3,39 dan 1,38 dan dengan metode CNN arsitektur PhysNet menghasilkan 8,2151 dan 2,5976 untuk detak jantung, 3,3311 dan 1,0534 untuk tekanan darah, serta 3,6044 dan 1,1398 untuk SpO2. ......Vital sign is an important physiological parameter in seeing a disturbance in a person's body. Therefore the need for equipment in vital sign examination is very high. Currently vital signs can be identified with non-contact examination. Examination of vital signs with non-contact can use Photoplethysmography (PPG). Currently PPG itself has been developed a lot so that it can read all vital signs such as heart rate, blood pressure, and also the concentration of oxygen in the blood (SpO2). In this study, the development of PPG was designed with the help of imaging in reading vital signs. The dataset used in this study is a dataset derived from direct measurements that have been designed to be processed into a good Imaging Photoplethysmography (IPPG) signal. The dataset consists of 13 men and 17 women. The dataset obtained will be divided into several scenes which are then processed using the proposed method, namely the Discrete Fourier Transform (DFT) and Deep Learning, namely the Convolutional Neural Network (CNN). The results of this study are RMSE and MAE values where when using the DFT they produce 3.39 and 1.38 respectively and with the PhysNet architecture CNN method they produce 8.2151 and 2.5976 for heart rate, 3.3311 and 1.0534 for blood pressure , and 3.6044 and 1.1398 for SpO2.

Abstrak :

Gangguan pendengaran pada umumnya dapat terjadi sejak lahir (tuli kongenital) atau di kemudian hari (tuli didapat). Kedua grup memiliki perbedaan karakteristik yang berdampak pada proses pengobatannya. Oleh karena itu, mengetahui kedua jenis penyakit tersebut terlebih dahulu sebelum melanjutkan ke tindakan selanjutnya adalah sangat penting. Namun, saat ini di Indonesia masih belum ada program skrining yang berjalan untuk mendeteksi gangguan pendengaran pada anak sejak dini. Menanggapi hal tersebut, penelitian ini bertujuan menganalisis data Diffusion Tensor Imaging (DTI) dari kedua jenis pasien tuli untuk dilanjutkan ke proses klasifikasi dan clustering supaya didapat model yang dapat membedakan kedua kondisi tersebut. Pengembangan model dilakukan melalui proses hyperparameter tuning serta percobaan terhadap dataset dengan dan tanpa fitur usia. Selanjutnya, diterapkan juga percobaan terhadap ada atau tidaknya data validasi terpisah. Performa model dianalisis berdasarkan beberapa metrik evaluasi seperti akurasi, presisi, spesifisitas, recall, confusion matrix, skor F1, area under the ROC curve (AUC-ROC), precision-recall curve, dan silhouette score. Hasil analisis secara keseluruhan menunjukkan bahwa performa model menggunakan fitur usia lebih baik, yaitu pada model klasifikasi diperoleh spesifisitas 89.89%, skor F1 91.93%, dan AUC-ROC 88.61%, dan pada model clustering diperoleh nilai silhouette sebesar 0.8524. Analisis tanpa fitur usia menunjukkan bahwa kedua kelompok dapat diklasifikasi, namun tidak berdasarkan kondisi maturasinya, sedangkan hasil clustering menunjukkan pengelompokkan kelas yang berbeda dari klasifikasi. Penelitian ini berpotensi untuk dikembangkan lebih lanjut, terutama jika kedua kelas memiliki rasio dataset yang seimbang. ......In general, hearing disorders can occur since birth (congenital hearing loss) or later in life (acquired hearing loss). Both group has different characteristics that affected the treatment process. Therefore, knowing both types of diseases beforehand before proceeding to further actions is crucial. However, currently in Indonesia, there are no any functional screening programs to detect hearing disorders on children from early ages. In response to this, this study aims to analyze Diffusion Tensor Imaging (DTI) data from both types of deaf patients to proceed to the classification and clustering processes to obtain a model that can differentiate between the two conditions. Model development is conducted through hyperparameter tuning and experimentation with datasets with and without age features. Additionally, we will experiment with the presence or absence of separate validation data. The model's performance is analyzed based on several evaluation metrics such as accuracy, precision, specificity, recall, confusion matrix, F1 score, area under the ROC curve (AUC-ROC), precision-recall curve, and silhouette score. The overall analysis results show that the model performance using age features is better, namely in the classification model, specificity of 89.89%, F1 score of 91.93%, and AUC-ROC of 88.61% are obtained. Meanwhile, in the clustering model, a silhouette score of 0.8524 is obtained. The analysis without age features indicates that both groups can be classified, but not based on their maturation conditions, while the clustering results show different grouping of classes from the classification. This research has the potential for further development, particularly if both classes have a balanced dataset ratio and age data distributed evenly.

Abstrak :
Indonesia merupakan salah satu pemeran utama dalam industri tuna di dunia dengan rata rata output sebesar 289 metrik ton per tahun. Salah satu efek yang disebabkan besarnya output tuna di indonesia adalah jumlah limbah tulang tuna yang dihasilkan. Limbah yang dihasilkan dapat dimanfaatkan sebagai bahan baku utama ekstraksi kolagen. Kolagen merupakan bahan biopolymer yang memiliki banyak aplikasi dalam kehidupan sehari hari serta bidang biomedis. Beberapa penelitian telah melakukan ekstraksi kolagen pada skala lab. Penelitian ini akan membuat simulasi ekstraksi kolagen dengan metode ASC dari limbah tuna pada skala industri. Untuk membuat simulasi tersebut aplikasi utama yang digunakan adalah SuperPro Designer. Simulasi dijalankan menggunakan 4 masukan yaitu 50kg, 100kg, 500kg dan 1000kg. hasil dari simulasi menunjukkan bahwa variasi 1000kg merupakan yang terbaik scara keekonomian dengan dengan nilai NPV, IRR, dan PBP berturut-turut sebesar USD 3,848,000, 35,55%, 46,36%. Analisis secara keekonomian juga menunjukkan bahwa kapasitas produksi harus dimaksimalkan, namun jumlah limbah tuna yang tersedia menjadi hambatan hal tersebut. Terlebih, metode yang lebih optimal perlu dikaji lagi untuk memaksimalkan output kolagen ......Indonesia is one of the main players in the tuna industry in the world with an average output of 289 metric tons per year. One of the effects caused by the large output of tuna in Indonesia is the amount of tuna bone waste produced. The resulting waste can be used as the main raw material for collagen extraction. Collagen is a biopolymer material that has many applications in everyday life and biomedical fields. Several studies have carried out collagen extraction on a lab scale. This research will simulate the extraction of collagen using the ASC method from tuna waste on an industrial scale. To make the simulation, the main application used is SuperPro Designer. The simulation is run using 4 inputs, namely 50kg, 100kg, 500kg and 1000kg. the results of the simulation show that the 1000kg variation is the best economically with the NPV, IRR, and PBP values ​​of USD 3,848,000, 35.55%, 46.36%, respectively. Economic analysis also shows that production capacity must be maximized, however the amount of tuna waste available is an obstacle to this. Moreover, more optimal methods need to be studied again to maximize collagen output

Abstrak :
Retinopati diabetik merupakan salah satu bentuk komplikasi diabetes melitus yang diekspresikan dengan adanya kerusakan pada pembuluh darah retina mata. Pada tahap awal, retinopati diabetik seringkali tidak menimbulkan gejala atau hanya menimbulkan gejala yang ringan. Namun, jika tidak mendapatkan penanganan yang baik, retinopati diabetik dapat menyebabkan kebutaan. Maka dari itu, akses skrining yang terjangkau menjadi esensial untuk mencegah efek jangka panjang dari penyakit ini. Penelitian ini berfokus pada pengembangan sistem deteksi retinopati diabetik berbasis deep learning yang bertujuan untuk meningkatkan aksesibilitas terhadap skrining retinopati diabetik. Model deteksi yang dibuat dalam penelitian ini yaitu model model berbasis Vision Transformer (ViT) B32 yang dibandingkan performanya dengan model convolutional neural network (CNN) berarsitektur DenseNet-121 dan. Model DenseNet-121 yang dilatih menggunakan gambar yang di-pre-process dengan teknik Ben Graham dan datanya di upsample memiliki performa terbaik dibandingkan teknik lainnya yang diteliti penelitian ini. Teknik pre-processing yang menghasilkan model CNN terbaik itu kemudian diimplementasikan pada model ViT untuk dibandingkan. Selain mengungguli model CNN, model ViT juga berhasil mengungguli model state of the art yang ada dengan nilai accuracy, precision, recall, dan f1-score masing-masing senilai 96%. Model ViT ini kemudian diintegrasikan dengan graphical user interface (GUI) untuk memudahkan dokter dalam memanfaatkan model yang diusulkan untuk skrining retinopati diabetik. ......Diabetic retinopathy is a complication of diabetes mellitus characterized by damage to the blood vessels of the retina. In its early stages, diabetic retinopathy often does not present symptoms or only causes mild symptoms. However, without proper treatment, diabetic retinopathy can lead to blindness. Therefore, affordable screening access is essential to prevent the long-term effects of this disease. This research focuses on the development of a deep learning-based detection system for diabetic retinopathy, aiming to enhance the accessibility of diabetic retinopathy screening. The detection model developed in this study is based on the Vision Transformer (ViT) B32 model, and its performance is compared with the DenseNet-121 convolutional neural network (CNN) architecture. The DenseNet-121 model, trained using images pre-processed with the Ben Graham technique and upsampled data, showed the best performance compared to other techniques investigated in this study. The pre-processing technique that yielded the best CNN model was then implemented on the ViT model for comparison. In addition to outperforming the CNN model, the ViT model also surpassed the existing state-of-the-art models with an accuracy, precision, recall, and F1-score of 96% each. This ViT model was subsequently integrated with a graphical user interface (GUI) to facilitate doctors in utilizing the proposed model for diabetic retinopathy screening.

Abstrak :
Pemeriksaan hemoglobin umum dilakukan secara invasif menggunakan berbagai metode, seperti automated hematology analyzer dan hemoglobinometer. Akan tetapi metode tersebut memakan waktu, biaya, dan menyakitkan bagi pasien. Pemeriksaan hemoglonin secara invasif juga tidak memungkinkan untuk dilakukan secara real-time dalam situasi mendesak. Akurasi dan ketepatan pembacaan menjadi tantangan dalam pengembangan sistem pengukur konsentrasi hemoglobin non-invasif. Pada penelitian ini dilakukan pengembangan dua desain sistem pengukur hemoglobin non-invasif (desain prototipe A dan desain prototipe B) menggunakan prinsip photoplethysmography (PPG) menggunakan sensor MAX30102 dan Arduino Uno sebagai mikrokontroler. Pengembangan prototipe dibuat berbasis machine learning dengan menggunakan model Dense Neural Network (DNN) dan menunjukkan akurasi paling maksimal menggunakan MSE loss function sebesar 92,31% untuk desain prototipe A dan 94,70% untuk desain prototipe B. Didapatkan juga hasil pengukuran reliabilitas alat ukur untuk desain prototipe A dan B masing-masing sebesar 84,9% dan 97,3%. Meski sudah memiliki tingkat akurasi yang cukup baik, penelitian ini masih perlu dikembangkan dari segi pemilihan alat referensi pemeriksaan Hb invasif, pengambilan dan pengolahan data yang lebih bervariasi mencakup usia, warna kulit, dan penyakit yang sedang dialami. ...... Hemoglobin examination is commonly conducted invasively using various methods such as automated hematology analyzers and hemoglobinometers. However, these methods are time-consuming, costly, and painful for patients. Invasive hemoglobin examinations also do not allow real-time measurements in urgent situations. Accuracy and precision of readings pose challenges in the development of non-invasive hemoglobin concentration measurement systems. In this study, the development of two designs of non-invasive hemoglobin measurement systems (prototype design A and prototype design B) using photoplethysmography (PPG) principle with MAX30102 sensor and Arduino Uno as the microcontroller was conducted. Prototype development was based on machine learning using a Dense Neural Network (DNN) model and achieved maximum accuracy using MSE loss function of 92,31% for prototype design A and 94,7% for prototype design B. The measurement reliability of the measurement device was also obtained, with 84,9% for prototype design A and 97,3% for prototype design B, respectively. Although the study already achieved a relatively good level of accuracy, further development is still needed in terms of selecting invasive Hb examination reference devices, obtaining and processing more diverse data including age, skin color, and existing diseases.

Abstrak :
Diagnosis COVID-19 dapat dilakukan dengan berbagai metode, salah satunya dengan interpretasi citra medis rongga dada menggunakan machine learning. Namun, metode ini memiliki memerlukan waktu dan biaya yang besar, tidak ada standar dalam pengambilan gambar citra medis, dan pelindungan privasi pada data pasien. Model yang dilatih dengan dataset publik tidak selalu dapat mempertahankan performanya. Diperlukan metode pengklasifikasi berbasis multicenter yang dapat memiliki performa optimal pada dataset yang berbeda-beda. Skenario pertama dengan melatih model menggunakan arsitektur VGG-19 dan ConvNeXt dengan gabungan seluruh data dan masing-masing data. Lalu dilakukan fine tuning terhadap model yang dilatih pada gabungan seluruh data. Skenario kedua dengan Unsupervised Domain Adaptation berbasis maximum mean discrepancy dengan data publik sebagai source domain dan data privat sebagai target domain. Metode transfer learning dengan fine-tuning model pada arsitektur VGG-19 menaikkan train accuracy pada data Github menjadi 95% serta menaikkan test accuracy pada data Github menjadi 93%, pada data Github menjadi 93%, pada data RSCM menjadi 72%, dan pada data RSUI menjadi 75%. Metode transfer learning dengan fine-tuning model pada arsitektur ConvNeXt menaikkan evaluation accuracy pada data RSCM menjadi 73%. Metode unsupervised domain adaptation (UDA) berbasis maximum mean discrepancy (MMD) memiliki akurasi sebesar 89% pada dataset privat sehingga merupakan metode yang paling baik. Berdasarkan GRAD-CAM, model sudah mampu mendeteksi bagian paru-paru dari citra X-Ray dalam memprediksi kelas yang sesuai. ......Diagnosis of COVID-19 can be done using various methods, one of which is by interpreting medical images of the chest using machine learning. However, this method requires a lot of time and money, there is no standard in taking medical images, and protecting patient data privacy. Models that are trained with public datasets do not always maintain their performance. A multicenter-based classification method is needed that can have optimal performance on different datasets. The first scenario is to train the model using the VGG-19 and ConvNeXt architecture by combining all data and each data. Then, the model trained using combined data is fine tuned. The second scenario uses Unsupervised Domain Adaptation based on maximum mean discrepancy with public data as the source domain and private data as the target domain. The transfer learning method with the fine-tuning model on the VGG-19 architecture increases train accuracy on Github data to 95% and increases test accuracy on Github data to 93%, on Github data to 93%, on RSCM data to 72%, and on data RSUI to 75%. The transfer learning method with the fine-tuning model on the ConvNeXt architecture increases the evaluation accuracy of RSCM data to 73%. The unsupervised domain adaptation (UDA) method based on maximum mean discrepancy (MMD) has an accuracy of 89% in private dataset making it the best method. Based on GRAD-CAM, the model has been able to detect parts of the lungs from X-Ray images in predicting the appropriate class.

Abstrak :
Pencitraan gelombang mikro sudah banyak digunakan di dunia dalam berbagai bidang yang berbeda, salah satunya digunakan pada bidang kesehatan. Penerapan dari gelombang mikro dapat digunakan untuk mendiagnosis tumor/kanker payudara dengan menggunakan sensitivitas yang tinggi untuk mendeteksi jaringan abnormal payudara yang memiliki kontras dielektrik yang rendah, dibandingkan dengan jaringan normal lainnya. Skripsi ini merancang sistem validasi algoritma sensitivity-maps pencitraan gelombang mikro yang telah dilakukan dipenelitian sebelumnya. Metode ini memanfaatkan pengukuran dua jenis objek sebagai kalibrasi sistem, yaitu: objek referensi sebagai latar yang tidak terdapat penghambur dan objek kalibrasi berupa objek kecil sebagai penghambur (scattering). Objek yang diuji terdiri dari objek dengan kontras dielektrik rendah yang terbuat dengan menggunakan material Polyurethane Foam, Balsa Wood, dan Expanded Polystyrene. Rekonstruksi dilakukan pada tiga jenis data pengukuran S-Parameter yaitu S11, S21, dan gabungan keduanya. S-parameter diukur pada dua frekuensi, yaitu 3 dan 10 GHz. Hasil pengukuran akan direkonstruksi menggunakan MATLAB untuk dijadi sebuah citra. Selian itu, parameter relative root mean squared error (RRMSE) dan structural similarity index (SSIM) digunakan untuk menganalisis citra secara kuantitatif. Hasil rekonstruksi menunjukkan pengukuran gabungan ( S11 dan S21) dengan kualitas citra terbaik dengan nilai RRMSE 0.082  dan SSIM 0.477 ......Microwave imaging has been widely used in the world in a variety of different fields, one of which is used in the health sector. The application of microwaves can be used to diagnose tumors/breast cancer by using a high sensitivity to detect abnormal breast tissue that has a low dielectric contrast, compared to other normal tissues. This thesis designs a validation system for the sensitivity-maps algorithm for microwave imaging that has been carried out in previous studies. This method utilizes the measurement of two types of objects as system calibration, namely: a reference object as a background where there are no scatterers and a calibration object in the form of small objects as scattering. The objects tested consist of objects with low dielectric contrast made using Polyurethane Foam, Balsa Wood, and Expanded Polystyrene materials. Reconstruction was carried out on three types of S-Parameter measurement data, namely S11, S21, and a combination of both. S-parameters are measured at two frequencies, namely 3 and 10 GHz. The measurement results will be reconstructed using MATLAB to become an image. In addition, the relative root mean squared error (RRMSE) and structural similarity index (SSIM) parameters are used to analyze the image quantitatively. The reconstruction results show the combined measurements (S11 and S21) with the best image quality with an RRMSE value of 0.082 and SSIM 0.477.

Abstrak :
Di Indonesia, sekitar 64,25% perempuan mengalami rasa nyeri menstruasi pada abdomen bagian bawah, atau dysmenorrhea, dengan kasus terbanyak ditemukan pada perempuan berusia 17 – 24 tahun. Banyak upaya dilakukan agar perempuan dapat beraktivitas tanpa gangguan dysmenorrhea secara terus-menerus, salah satunya adalah dengan menggunakan terapi panas. Namun, metode konvensional, pemberian panas seperti menggunakan botol air panas, handuk hangat, atau heating pad sekali pakai memiliki keterbatasan utama yaitu sulitnya untuk mengatur suhu panas, serta tidak terbatasnya durasi terapi panas yang dapat menyebabkan kulit menjadi perih. Dalam rangka meningkatkan efektivitas dan kenyamanan terapi panas untuk mengurangi dysmenorrhea, penelitian ini merancang sebuah perancangan alat terapi panas yang dirancang secara khusus untuk penggunaan pada area abdomen bawah. Elemen pemanas pada alat terapi ini dibuat dengan memanfaatkan teori Hukum Ohm dalam menghasilkan energi panas pada kawat Nichrome berukuran 0,404 mm. Dalam penelitian ini, penulis menggunakan Arduino Uno R3 sebagai mikrokontroler utama yang terhubung dengan modul wifi ESP-01. Motor driver BTS7960 juga digunakan sebagai pengatur tegangan yang mengalir pada elemen pemanas sehingga, panas yang dihasilkan dapat dikontrol sesuai dengan tegangan output melalui motor driver. Sebuah prototipe alat terapi panas untuk dismenore berhasil dirancang dengan fitur timer 20 menit dan tingkat panas yang dapat diatur mulai dari 0% hingga 100% dengan rentang suhu rata-rata 0% pada 28,21°C dan 53,58°C pada tingkat 100%. Sebuah uji efektivitas juga dilakukan terhadap 32 partisipan berusia 17 – 24 tahun. Hasilnya, terdapat perbedaan signifikan pada tingkat rasa nyeri dysmenorrhea sebelum dan sesudah terapi panas dengan nilai p-value uji Wilcoxon sebesar < 0.001. ...... In Indonesia, around 64,25% of women experience menstrual pain in the lower abdomen, or dysmenorrhea, with most cases found in women aged 17-24 years. Many efforts have been made so that women can move around without being disturbed by persistent dysmenorrhea, one of which is by using heat therapy. However, conventional methods, applying heat such as using a hot water bottle, warm towel, or disposable heating pads have major limitations, namely the difficulty of adjusting the heat temperature, and the unlimited duration of heat therapy which can cause the skin to become sore. In order to increase the effectiveness and comfort of heat therapy to reduce dysmenorrhea, this study designed a heat therapy device specifically designed for use in the lower abdominal area. The heating element in this therapy device is made by utilizing Ohm's Law theory to produce heat energy on a 0,404 mm Nichrome wire. In this study, the authors used Arduino Uno R3 as the main microcontroller connected to the ESP-01 wifi module. The BTS7960 motor driver is also used as a voltage regulator that flows to the heating element so that the heat generated can be controlled according to the output voltage through the motor driver. A prototype of a heat therapy device for dysmenorrhea was successfully designed with a 20 minutes timer feature and adjustable heat levels from 0% to 100% with an average temperature range of 0% at 28,21°C and 53,58°C at 100% level. An effectiveness test was also conducted on 32 participants aged 17-24 years. As a result, there is a significant difference in the level of pain in dysmenorrhea before and after heat therapy with a Wilcoxon test p-value of <0.001.

Abstrak :
Hipertensi merupakan salah satu faktor risiko dari kardiovaskular yang mematikan yang dikenal sebagai “the silent killer” dikarenakan hipertensi tidak menunjukkan gejala apapun dan tidak memiliki keluhan namun hipertensi mampu menyebabkan penyakitpenyakit lain atau komplikasi seperti kerusakan pada organ. Pengukuran parameterparameter fisiologis seperti tekanan darah adalah hal yang vital dalam menunjang pendeteksian dan analisis dari penyakit kardiovaskular. Namun, hingga saat ini beberapa metode-metode pengukuran yang tersedia saat ini membutuhkan instrumen yang canggih dan dibutuhkannya tenaga kesehatan dengan keahlian khusus untuk mengoperasikan instrumen tersebut. Selain itu, penggunaan cuff pada alat sphygmomanometer sangat tidak nyaman untuk digunakan apabila diperlukannya pengukuran tekanan darah secara kontinu serta pengoperasian instrumen membutuhkan kontak fisik sehingga meningkatkan kemungkinan terpaparnya COVID-19. Oleh karena itu, dibutuhkannya metode pengukuran darah tanpa cuff, mampu mengukur tekanan darah secara kontinu, dan mampu mengukur tekanan darah dengan akurat yang mampu dioperasikan dengan mudah. Penelitian ini bertujuan untuk membuat desain rancangan prototipe alat pengukur tekanan darah dengan menggunakan sensor MAX30102 dan ESP32 secara wireless melalui sinyal photoplethysmograph dengan pengolahan sinyal PPG berbasis pada ekstraksi fitur dan machine learning. Sistem pengukuran menggunakan sensor PPG dan microcontroller untuk mendapatkan sinyal PPG dari subjek yang kemudian sinyal melalui tahap preprocessing untuk menghilangkan noise kemudian sinyal diproses dengan peak detection dan ekstraksi fitur. Data tersebut kemudian akan dikumpulkan untuk dilatih pada machine learning untuk mendapatkan model yang mampu memprediksi nilai parameter fisiologis, yaitu tekanan darah. Model terbaik yang didapatkan, yaitu model dengan dataset 6 subjek dengan jumlah baris hasil ekstraksi 4 fitur sinyal PPG berjumlah 20 baris dengan perbandingan data training dan data validation sebesar 90:10 tanpa regularization dengan algoritma XGBoost dengan evaluasi performa sebesar 0,49/0,59 untuk koefisien determinasi dan nilai error sebesar 4,53/4,57 digunakan pada Graphical User Interface (GUI) yang berbasis web sehingga model dapat terintegrasi dengan sistem yang kemudian mampu diimplementasikan secara langsung oleh user. ...... Hipertensi merupakan salah satu faktor risiko dari kardiovaskular yang mematikan yang dikenal sebagai “the silent killer” dikarenakan hipertensi tidak menunjukkan gejala apapun dan tidak memiliki keluhan namun hipertensi mampu menyebabkan penyakitpenyakit lain atau komplikasi seperti kerusakan pada organ. Pengukuran parameterparameter fisiologis seperti tekanan darah adalah hal yang vital dalam menunjang pendeteksian dan analisis dari penyakit kardiovaskular. Namun, hingga saat ini beberapa metode-metode pengukuran yang tersedia saat ini membutuhkan instrumen yang canggih dan dibutuhkannya tenaga kesehatan dengan keahlian khusus untuk mengoperasikan instrumen tersebut. Selain itu, penggunaan cuff pada alat sphygmomanometer sangat tidak nyaman untuk digunakan apabila diperlukannya pengukuran tekanan darah secara kontinu serta pengoperasian instrumen membutuhkan kontak fisik sehingga meningkatkan kemungkinan terpaparnya COVID-19. Oleh karena itu, dibutuhkannya metode pengukuran darah tanpa cuff, mampu mengukur tekanan darah secara kontinu, dan mampu mengukur tekanan darah dengan akurat yang mampu dioperasikan dengan mudah. Penelitian ini bertujuan untuk membuat desain rancangan prototipe alat pengukur tekanan darah dengan menggunakan sensor MAX30102 dan ESP32 secara wireless melalui sinyal photoplethysmograph dengan pengolahan sinyal PPG berbasis pada ekstraksi fitur dan machine learning. Sistem pengukuran menggunakan sensor PPG dan microcontroller untuk mendapatkan sinyal PPG dari subjek yang kemudian sinyal melalui tahap preprocessing untuk menghilangkan noise kemudian sinyal diproses dengan peak detection dan ekstraksi fitur. Data tersebut kemudian akan dikumpulkan untuk dilatih pada machine learning untuk mendapatkan model yang mampu memprediksi nilai parameter fisiologis, yaitu tekanan darah. Model terbaik yang didapatkan, yaitu model dengan dataset 6 subjek dengan jumlah baris hasil ekstraksi 4 fitur sinyal PPG berjumlah 20 baris dengan perbandingan data training dan data validation sebesar 90:10 tanpa regularization dengan algoritma XGBoost dengan evaluasi performa sebesar 0,49/0,59 untuk koefisien determinasi dan nilai error sebesar 4,53/4,57 digunakan pada Graphical User Interface (GUI) yang berbasis web sehingga model dapat terintegrasi dengan sistem yang kemudian mampu diimplementasikan secara langsung oleh user.