Laju pernapasan (respiratory rate) merupakan salah satu dari lima tanda vital pada tubuh manusia. Pengukuran laju pernapasan yang paling sering dilakukan ialah dengan menghitung banyaknya napas yang dilakukan seseorang dalam satu menit. metode ini dinilai bersifat subjektif yang mana masing-masing pengukuran hasilnya akan bergantung kepada pengukur. Metode lain yang dapat digunakan ialah dengan mengunakan metode kontak, seperti strain gauges or impedance methods, transcutaneous CO2 methods, oximetry probe (SpO2) methods, dan ECG derived respiration rate methods. Namun, penggunaan metode kontak dapat menimbulkan beberapa masalah, seperti rasa tidak nyaman, iritasi kulit karena penggunaan elektroda, dan surface loading effect. Oleh karena itu, pada penelitian ini dirancang bangun sebuah sistem pengukuran laju pernapasan nonkontak berbasis sensor ultrasonik.
Pengukuran dilakukan dengan menghitung perubahan jarak antara area thoracoabdominal depan dengan sensor. Hasil pengukuran kemudian diolah menggunakan metode gaussian filter dan transformasi wavelet diskrit (TWD). Berdasarkan hasil pengolahan data, diperoleh hasil bahwa metode pengukuran ini memiliki simpangan kesalahan rata-rata terkecil sebesar 4,48 menggunakan metode penyaringan gaussian filter dan menggunakan metode perhitungan pendekatan FFT. Oleh karena itu, metode ini dapat digunakan untuk mengukur laju pernapasan, tetapi perlu dilakukan beberapa peningkatan untuk mendapatkan hasil yang lebih maksimal.
The respiratory rate is one of the five vital signs in human body. The measurement that is most often done is by counting the amount of breath a person does in one minute. This method is considered to be subjective in which each outcome measurement will depend on the counter. Other method that can be used are by using contact method, such as strain gauges or impedance methods, transcutaneous CO2 methods, probe oximetry (SpO2) methods, and ECG derived respiration rate methods. However, the use of contact methods can cause several problems, such as skin irritation, and surface loading effect. Therefore, in this study a respiratory rate measurement system ultrasonic sensor based was designed.
Measurements were made by calculating the distance change between the front of thoracoabdominal area and the sensor. The results are then processed using the gaussian filter method and discrete wavelet transform (DWT). Based on the result of data processing, the result show that this measurement method has has the smallest error deviation of 4.48 using the gaussian filter filtering method and uses the FFT approach calculation method. Therefore, this method can be used to measure respiratory rate, but some improvement needs to be done to produce maximum results."
Parkinson menyerang 1% dari populasi orang berusia di atas 65 tahun di dunia, dengan salah satu gejala utama kondisi resting tremor pada bagian tangan pasien. Akuisisi informasi mengenai status kesehatan dari pasien parkinson hingga saat ini masih hanya dapat dilakukan ketika pasien menemui dokter dengan menghampiri klinik atau rumah sakit, saat aspek-aspek dari penyakit dapat menunjukkan fluktuasi pada periode di antara kunjungan tersebut. Pada penelitian ini, dirancang sistem monitoring alat EMG nirkabel yang dapat digunakan sebagai alat home monitoring, sehingga pasien dapat diperiksa setiap saat dan dengan frekuensi lebih sering agar perkembangan terhadap kesehatan pasien dapat selalu diperbarui. Sistem monitoring berikut memanfaatkan web server dan NodeMCU yang dilengkapi dengan ESP8266. Data yang berhasil terakuisisi tersebut kemudian diproses dengan transformasi wavelet diskrit (DWT) dan ekstraksi fitur RMS, logRMS, MAV, dan RES Index pada enam jenis gerakan yang berbeda untuk dibandingkan satu dengan lainnya. Melalui analisa yang telah dilakukan, didapatkan bahwa fitur yang memiliki pola penyebaran terbaik adalah standar deviasi dengan nilai RES Index sebesar 2,4. Selain itu, didapatkan pula bahwa setiap gerakan baik normal maupun dalam kondisi bergetar memiliki pola gelombang serta nilai fitur ekstraksi yang berbeda-beda. Dengan demikian, pola gerakan pasien Parkinson dapat dibedakan satu dengan lainnya melalui pembacaan sinyal EMG.
Â
Parkinson's disease attacking 1% of the elder population in this world, with one of the main symptoms of this disease being resting tremor. Until now, Parkinsons disease information acquisition can only be done through patients' visits to clinics or hospitals, whereas the aspects of the disease are also shown during in-between those visits. Therefore, an EMG device that could be used as a remote-monitoring device is designed in this research. This is so that patients can be checked more frequently and hopefully results in an always-renewed information of the patients' developments. This monitoring system utilizes NodeMCU with ESP8266 and web server. The data acquired are then processed through discrete wavelet transform (DWT) method. To compare six kind of gestures, features like RMS, logRMS, MAV, standard deviation, and RES Index are extracted from the reconstructed EMG signal. The results show that standard deviations plot has the best pattern separation with an RES Index score of 2.4 and every movement or gesture, whether its in normal or vibrating condition, have its own pattern of signal and different values of extracted features. Conclusively, the movement pattern of Parkinsons disease patients can be interpreted from one another using EMG signal reading.
"