PENGUKURAN TEKANAN DARAH DAN DENYUT JANTUNG SEBAGAI KLASIFIKASI HIPERTENSI MENGGUNAKAN METODE KNN (K-NEAREST NEIGHBOR) BERBASIS THINGSPEAK

NURHADIVA, SITI SALWA (2024) PENGUKURAN TEKANAN DARAH DAN DENYUT JANTUNG SEBAGAI KLASIFIKASI HIPERTENSI MENGGUNAKAN METODE KNN (K-NEAREST NEIGHBOR) BERBASIS THINGSPEAK. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text Halaman Depan (Cover).pdf Download (848kB)
	Text (BAB I PENDAHULUAN) BAB 1.pdf Restricted to Repository staff only Download (157kB)
	Text (BAB II TINJAUAN PUSTAKA) BAB 2.pdf Restricted to Repository staff only Download (438kB)
	Text (BAB III METODOLOGI PENELITIAN) BAB 3.pdf Restricted to Repository staff only Download (705kB)
	Text (BAB IV HASIL DAN PEMBAHASAN) BAB 4.pdf Restricted to Repository staff only Download (644kB)
	Text (BAB V KESIMPULAN DAN SARAN) BAB 5.pdf Restricted to Repository staff only Download (35kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Repository staff only Download (100kB)
	Text Lampiran.pdf Restricted to Repository staff only Download (1MB)

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi hipertensi berbasis pengukuran tekanan darah dan denyut jantung menggunakan metode K Nearest Neighbor (KNN) serta penyimpanan data pada cloud server Thingspeak. Hipertensi merupakan salah satu masalah kesehatan utama yang memerlukan pemantauan rutin untuk pencegahan dan pengelolaan yang efektif. Dalam penelitian ini, dibuat sebuah alat yang dapat mengukur tekanan darah dan denyut jantung menggunakan metode KNN sebagai klasifikasi, data dikumpulkan menggunakan perangkat sensor yang terintegrasi dengan Thingspeak untuk penyimpanan dan analisis data secara real-time. Metode KNN digunakan untuk mengklasifikasikan data pengukuran ke dalam kategori optimal, normal, prahipertensi, hipertensi derajat 1, dan hipertensi derajat 2. Implementasi penyimpanan data pada cloud server Thingspeak memungkinkan akses data yang mudah dan analisis yang efisien, serta mendukung pemantauan kesehatan secara kontinu. Hasil perbandingan dengan alat referensi menunjukkan tingkat akurasi yang tinggi, dengan persentase error yang rendah: 1.96% untuk tekanan darah sistolik, 2.51% untuk tekanan darah diastolik, dan 2.13% untuk bpm denyut jantung. Dapat disimpulkan sistem yang dikembangkan dapat menjadi alat bantu yang efektif dalam pemantauan dan klasifikasi hipertensi, serta berpotensi untuk diterapkan dalam skala yang lebih luas untuk manajemen kesehatan masyarakat.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Hipertensi, Tekanan Darah, Denyut Jantung, K-Nearest Neighbor (KNN), Thingspeak.
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electrical Engineering > Undergraduate Theses
Depositing User:	Mr Bambang Anthony
Date Deposited:	28 Jul 2026 00:56
Last Modified:	28 Jul 2026 00:56
URI:	http://eprints.polsri.ac.id/id/eprint/22314

Actions (login required)

View Item