Perpustakaan Digital ITB

Tekanan darah merupakan salah satu metrik penting dalam pemeriksaan kondisi kesehatan terutama untuk mendeteksi dini penyakit kardiovaskular, yang merupakan penyebab kematian utama di seluruh dunia. Dalam praktiknya, pencatatan data tekanan darah masih dilakukan secara manual. Kegiatan ini rawan akan kesalahan karena human error dan cenderung tidak praktis. Oleh karena itu, diperlukan sebuah solusi untuk dapat secara otomatis melakukan pembacaan dan pencatatan data riwayat tekanan darah dengan akurat, cepat, dan praktis. Solusi yang ditawarkan adalah dengan mengembangkan aplikasi m-health yang memiliki fitur pembacaan hasil pengukuran tekanan darah dengan deep learning, visualisasi data, manajemen user, dan autentikasi. Model tersebut dilatih untuk dapat mengenali seven-segment digit yang merepresentasikan 3 metrik tekanan darah pada tensimeter digital. Model ini dilatih menggunakan total 3.649 gambar tensimeter digital. Model yang digunakan adalah model YOLOv8 dengan varian small, medium, dan large. Terhadap ketiga varian tersebut, juga dilakukan proses kompresi model dengan teknik kuantisasi dan pruning. Berdasarkan hasil pengujian, model yang dipilih adalah model YOLOv8s dengan presisi INT8. Model tersebut dipilih karena memiliki ukuran dan waktu inferensi yang kecil, yaitu 11 MB dan 641,4 ms. Model juga telah memiliki akurasi pendeteksian seven-segment digit sebesar 99,28% dan f1-score sebesar 96,48%. Model tersebut telah di-deploy pada aplikasi m-health dengan peningkatan rata-rata waktu inferensi yang tidak terlalu besar, yaitu menjadi 1867,6 ms. Selain itu, berdasarkan hasil pengujian model pada aplikasi m-health secara langsung terhadap 40 buah gambar, diperoleh akurasi pengelompokkan seven-segment digit sebesar 96,67% dan akurasi pembacaan gambar secara keseluruhan sebesar 95%.