SKRIPSI IF

SISTEM MONITORING DETAK JANTUNG IOT BERBASIS WEBSITE

---

ABSTRAK
Penelitian ini bertujuan merancang dan membangun sistem monitoring detak jantung berbasis Internet of Things (IoT) yang dapat mengukur dan menampilkan data detak jantung secara real‐time melalui sebuah aplikasi web. Sensor denyut jantung MAX30100 terintegrasi dengan mikrokontroler ESP32 digunakan untuk memperoleh sinyal denyut nadi pengguna, kemudian mengirimkan data tersebut ke database web Firebase. Sistem menyediakan tampilan grafik detak jantung dan klasifikasi kondisi (Rendah, Normal, Tinggi) menggunakan logika berbasis aturan berdasarkan rentang BPM standar. Pengujian dilakukan terhadap 100 sampel data untuk mengukur akurasi sensor dan fungsi klasifikasi. Hasil evaluasi menunjukkan bahwa sensor MAX30100 memiliki akurasi tinggi dengan selisih rata‐rata 1–2 BPM dibandingkan perhitungan manual, dan latensi pengiriman data ke web sekitar 3–4 detik sehingga pengguna dapat memonitor kondisi secara real‐time. Klasifikasi kondisi detak jantung mampu memetakan data BPM ke dalam kategori yang benar dan informative bagi pengguna. Integrasi perangkat keras, database dan web menghasilkan system fungsional yang dapat diakses dari jarak jauh. Pengembangan lanjutan disarankan untuk menerapkan model machine learning atau deep neural network (DNN) dan menambahkan sensor lain agar akurasi dan kemampuan prediksi meningkat.

Kata Kunci: detak jantung, Internet of Things (IoT), MAX30100, ESP32, monitoring real‐time, klasifikasi berbasis aturan, web.

ABSTRACT

This research aims to design and build a heart‐rate monitoring system based on the Internet of Things (IoT) capable of measuring and displaying heart‐rate data in real time via a web application. A MAX30100 pulse sensor integrated with an ESP32 microcontroller captures the user’s pulse signal and transmits it to a Firebase web database. The system displays a heart‐rate chart and classifies the condition (Low, Normal, High) using rule‐based logic derived from standard BPM thresholds. Testing was carried out on 100 data samples to evaluate sensor accuracy and classification performance. The evaluation results show that the MAX30100 sensor provides high accuracy with an average deviation of 1–2 BPM compared with manual measurement, and data transmission to the web incurs a latency of approximately 3–4 seconds, enabling real‐time monitoring. The classification logic correctly maps BPM readings to the appropriate category, making the information easy to understand. Integration of hardware, database and web front‐end produces a functional system accessible remotely. Future development should implement machine learning or deep neural network (DNN) models and add other sensors to improve accuracy and predictive capability.

Keywords: heart rate, Internet of Things (IoT), MAX30100, ESP32, real‐time monitoring, rule‐based classification, web.

---

Ketersediaan

S250925005

607.2 HAB s

Perpustakaan STMIK AMIKBANDUNG

Tersedia

Informasi Detil

Judul Seri

-

No. Panggil

607.2 HAB s

Penerbit

: ., 2025

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subyek

-

Info Detil Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

You must be logged in to post a comment