Rancang bangun sistem monitoring infus berbasis Internet of Things(IoT) untuk deteksi kondisi laju tetesan dan prediksi waktu habis menggunakan metode Decision Tree

Tsabit, Affan (2026) Rancang bangun sistem monitoring infus berbasis Internet of Things(IoT) untuk deteksi kondisi laju tetesan dan prediksi waktu habis menggunakan metode Decision Tree. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text 1_Cover.pdf Download (126kB) | Preview
Preview	Text 2_abstrak.pdf Download (182kB) | Preview
Preview	Text 3_skbebasplagiarism.pdf Download (719kB) | Preview
Preview	Text 4_daftarisi.pdf Download (193kB) | Preview
Preview	Text 5_bab1.pdf Download (429kB) | Preview
	Text 6_bab2 .pdf Restricted to Registered users only Download (640kB) | Request a copy
	Text 7_bab3.pdf Restricted to Registered users only Download (273kB) | Request a copy
	Text 8_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text 9_bab5.pdf Restricted to Registered users only Download (814kB) | Request a copy
	Text 10_bab6 .pdf Restricted to Registered users only Download (189kB) | Request a copy
	Text 11_daftarpustaka.pdf Restricted to Registered users only Download (184kB) | Request a copy

Abstract

Monitoring infus merupakan bagian penting dalam pelayanan kesehatan untuk memastikan terapi cairan intravena berjalan sesuai kebutuhan pasien. Pemantauan yang masih dilakukan secara manual berpotensi meningkatkan beban kerja tenaga medis dan menyebabkan keterlambatan dalam mendeteksi perubahan laju tetesan maupun habisnya cairan infus. Penelitian ini bertujuan merancang dan mengimplementasikan sistem monitoring infus berbasis Internet of Things (IoT) menggunakan metode Decision Tree untuk mendeteksi kondisi laju tetesan infus dan memprediksi waktu habis cairan infus secara real-time. Sistem dikembangkan menggunakan mikrokontroler ESP32, sensor photoelectric infrared module untuk mendeteksi laju tetesan infus, dan sensor load cell yang terhubung dengan modul HX711 untuk mengukur sisa cairan infus. Data sensor diolah menggunakan Decision Tree Classifier untuk mengklasifikasikan kondisi infus menjadi normal, cepat, lambat, dan macet, serta Decision Tree Regressor untuk memprediksi waktu habis cairan infus. Kinerja model klasifikasi dievaluasi menggunakan 5-Fold Cross Validation, sedangkan model regresi dievaluasi menggunakan koefisien determinasi (R²) dan Mean Absolute Error (MAE). Hasil pengujian menunjukkan model klasifikasi memperoleh rata-rata akurasi sebesar 90,40%, sedangkan model regresi menghasilkan nilai R² sebesar 97,05%. Prediksi waktu habis cairan infus memperoleh MAE sebesar 5,75 menit atau sekitar 345 detik terhadap waktu aktual. Sistem mampu menampilkan kondisi infus dan estimasi waktu habis secara real time melalui LCD serta mengirimkan notifikasi otomatis melalui Telegram. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu monitoring infus secara real time dengan menyediakan informasi yang akurat dan responsif bagi tenaga medis.

Actions (login required)

View Item