Dokumen Asli
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Sleep apnea atau apnea tidur merupakan kondisi gangguan tidur yang
menyebabkan penderitanya mengalami henti napas selama 10 detik atau lebih di
saat tertidur. Jika dibiarkan, apnea tidur bisa meningkatkan resiko penyakit
kardiovaskular dan metabolisme tubuh. Apnea tidur dapat didiagnosis
menggunakan alat bernama Polysomnography (PSG). Namun, alat ini
menggunakan banyak sensor yang membuat pasien kurang nyaman. Selain itu, alat ini juga hanya bisa digunakan di rumah sakit dengan biaya yang mahal. Oleh
karena itu, pada tugas akhir ini, dirancang alat yang dapat mendeteksi apnea tidur
yang sederhana dengan hanya memanfaatkan sinyal EKG. Alat ini dibuat
wearable, sehingga penggunaannya akan lebih mudah dan lebih praktis
dibandingkan PSG. Alat ini menggunakan sensor EKG AD8232 1-lead dan
mikrokontroller ESP32. Alat ini dapat mengklasifikasi kondisi apnea dan kondisi
normal dengan memanfaatkan algoritma deep learning. Hasil klasifikasi akan
ditampilkan pada website yang berisi waktu terjadinya apnea dan grafik klasifikasi
dalam satu rekaman. Dari beberapa algoritma deep learning yang dicoba, didapatkan algoritma Apneanet yang memiliki akurasi terbaik, sehingga dipilih
model tersebut untuk diterapkan ke alat. Klasifikasi apnea dilakukan setiap menit, kemudian hasil dari klasifikasi dapat dilihat pada website yang telah dibuat. Akurasi dari model Apneanet terhadap dataset sebesar 98,77%. Artinya, model ini
dapat membedakan antara kondisi apnea dan kondisi normal pada data uji yang
dambil dari dataset dengan baik. Model juga diuji pada data asli yang diambil
langsung dari alat. Namun, tidak didapatkan label dari data tersebut. Oleh karena
itu, dibandingkan model Apneanet dengan model lain yang sudah beredar. Dari
situ, didapatkan similaritas hasil klasifikasi model Apneanet dengan model
tersebut sebesar 84,37%.