Perpustakaan Digital ITB

Kesehatan mental, terutama gangguan kecemasan, semakin mendapat perhatian global, dengan sekitar 970 juta orang terdampak pada tahun 2019, dan angka ini meningkat selama pandemi COVID-19. Gangguan kecemasan, yang mempengaruhi psikologis, emosional, dan fisiologis individu, dapat mengganggu kehidupan sehari-hari dan meningkatkan risiko kesehatan serius jika tidak ditangani. Deteksi dini sangat penting, dan perkembangan teknologi wearable device memungkinkan pemantauan sinyal fisiologis, seperti detak jantung dan respons kulit, untuk mendeteksi tanda-tanda kecemasan. Oleh karena itu, penelitian ini bertujuan merancang perangkat wearable yang dapat mendeteksi kecemasan berdasarkan data sensor PPG dan GSR, sehingga membantu individu memantau kesehatan mental dan memberikan peringatan dini saat kecemasan terdeteksi tinggi. Sistem wearable device yang dikembangkan bekerja dengan memproses data langsung pada mikrokontroler ESP-WROOM-32, mulai dari pengambilan data hingga memprediksi tingkat kecemasan. Melalui proses akuisisi dan pre-processing, perangkat ini dapat mengekstraksi fitur-fitur penting seperti Heart Rate Variability (HRV) dan Skin Conductance Response (SCR) yang berkaitan dengan kecemasan. Pengujian menunjukkan bahwa data RR Interval yang didapat menggunakan sensor PPG yang digunakan memiliki MAE sebesar 9,03 ms terhadap data RR interval yang diperoleh dari Biopac. Sementara itu, data GSR menunjukkan tren yang sama antara sensor yang digunakan dengan Biopac. Selain itu, model yang dilatih menggunakan dataset HRV dengan pendekatan neural network mencapai akurasi 92%. Hasil pengujian juga menunjukkan bahwa performa model hasil konversi yang dijalankan pada mikrokontroler sama baiknya dengan model yang dijalankan di Python. Meskipun demikian, kendala memori mikrokontroler mengharuskan penyederhanaan algoritma untuk menjaga performa dan akurasi. Studi lanjutan diperlukan untuk mengatasi tantangan tersebut dan meningkatkan akurasi perangkat wearable dalam deteksi kecemasan.