WEARABLE DEVICE UNTUK MENDETEKSI STRESS BERBASIS SINYAL PHOTOPLETHYSMOGRAM

🧤 Wearable Device untuk Mendeteksi Stres Berbasis Sinyal Photoplethysmogram

🌐 Project Domain

Project ini berfokus pada deteksi stres menggunakan sinyal photoplethysmogram yang diekstrak dari sensor MAX30102. Menggunakan mikrokontroler ESP32S3 dan algoritma Random Forest. Unit output yang digunakan adalah BLYNK serta buzzer. Buzzer akan berbunyi ketika klasifikasi menunjukkan stress, dan BLYNK menunjukkan keadaan pengguna serta nilai AVNN serta SDNN.

1
2
3
4
5

🧑‍🤝‍🧑 Meet Our Team

Programing

Muhammad Gulam Syarif

Project Manager

Nasywa Azizah Zharifah

Electrical

Noel Oscar Ginting Suka

Programing

Rama Wira Putra Pratama

Project Manager

Kathleen Evelyn

Electrical

Muhammad Arif Wijayanto

📌 Problem Statements

  1. Bagaimana cara mendeteksi tingkat stres seseorang menggunakan wearable device?
  2. Sensor apa yang dapat digunakan untuk mendeteksi stres secara akurat?
  3. Apa algoritma yang tepat untuk mengolah data sensor guna menentukan tingkat stres pengguna?

🎯 Goals

  • Merancang dan mengembangkan wearable device yang dapat mendeteksi tingkat stres secara real-time.
  • Mengidentifikasi dan mengimplementasikan sensor yang tepat untuk mendeteksi stres.
  • Mengembangkan algoritma stres untuk memproses data guna menentukan tingkat stres pengguna.

💡 Solution Statements

  • Mengintegrasikan sensor MAX30102 dalam sistem wearable untuk mendeteksi stres dengan menggunakan sinyal PPG.
  • Membuat model machine learning untuk klasifikasi data dari sensor dengan akurasi yang tinggi.

🧰 Prerequisites

Block Diagram

System Architecture

Schematics

Wiring System

Sensor MAX30102 terhubung ke ESP32 melalui komunikasi I2C dengan pin SDA dan SCL, serta diberi daya dari pin 3.3V dan GND ESP32. Buzzer aktif dihubungkan ke salah satu pin digital ESP32 dan GND untuk menghasilkan bunyi sebagai alarm. Saklar terpasang di antara jalur positif baterai dan pin VIN ESP32, berfungsi sebagai tombol ON/OFF untuk menyalakan atau mematikan sistem. Ketika saklar diaktifkan, ESP32 akan menyala dan membaca data dari sensor.

  • 🧠 ESP32-S3: Mikrokontroler utama yang mengolah data dari sensor.
  • ⚖️ Sensor MAX-30102: Untuk mengukur detak jantung (heart rate) dan saturasi oksigen dalam darah (SpO2).
  • 🔋 Baterai 3.7V (Kapasitas 2800mAh): Sumber daya utama untuk sistem wearable.
  • 🔌 Saklar: Digunakan untuk menyalakan atau mematikan sistem wearable secara manual.
  • 🛎️ Buzzer: Untuk notifikasi pengguna apakah dia stress atau tidak stress.
  • 💡 Arduino IDE: Untuk coding pada mikrokontroler dan akuisisi data.
  • 🤖 TensorFlow Lite dan Colab: Untuk menerapkan model machine learning pada mikrokontroler.
  • 🎨 Blynk: Untuk antarmuka pengguna pada dashboard.

Component Preparation

📄 Datasheet

Link Dataset : https://docs.google.com/spreadsheets/u/1/d/1GqMrDjzcKDsmbGkJskeb6wNuQdSm7kRE/htmlview#gid=23096937

Demo and Evaluation

🗣️ Conclusion

Dilakukan pengembangan sistem deteksi stress dengan sinyal photoplethysmogram dalam bentuk sarung tangan. Menggunakan sensor MAX30102 yang diletakkan pada ujung jari telunjuk pengguna. Penggunaan sensor MAX30102 dianggap sesuai dengan kebutuhan sistem, yaitu sinyal input IR untuk menghasilkan AVNN (Average of Normal to Normal interval) dan SDNN (Standard Deviation of NOrmal to Normal interval), ukurannya yang kecil sesuai untuk device yang bersifat wearable. Sinyal IR yang diambil dari hasil sensor diproses oleh model yang telah dikembangkan untuk menghasilkan hasil klasifikasi kelas berupa stress atau pun tidak stress. Jika hasil menunjukkan stress, maka buzzer akan berbunyi untuk mengingatkan pengguna. Digunakan Random Forest sebagai algoritma untuk model pembelajaran mesin, dikarenakan memiliki akurasi yang tinggi yaitu 95.6% untuk dataset yang digunakan. Model dikembangkan dengan algoritma Random Forest dan ESP32 diprogramkan untuk memproses data berdasarkan model yang ada.

Similar Posts