Sistem Deteksi Keparahan Apnea berbasis Fuzzy pada Balita melalui Pemantauan Saturasi Oksigen dan Pola Napas

Abstract

Apnea tidur pada balita merupakan gangguan pernapasan yang dapat menimbulkan risiko kesehatan serius apabila tidak terdeteksi secara dini. Keterbatasan sistem pemantauan konvensional yang tidak menyediakan pengawasan real-time sering menyebabkan keterlambatan identifikasi episode apnea. Penelitian ini mengembangkan sistem deteksi apnea berbasis Fuzzy Sugeno yang mengintegrasikan tiga parameter fisiologis utama, yaitu saturasi oksigen (SpO₂), frekuensi napas, dan tekanan udara ekspirasi. Ketiga parameter tersebut diukur menggunakan sensor MAX30102, Grove Piezoelectric, dan HX710B, kemudian diproses melalui mikrokontroler ESP32. Data yang diperoleh dianalisis oleh sistem inferensi Fuzzy Sugeno dan dikirim secara real-time ke aplikasi seluler melalui Firebase untuk memungkinkan pemantauan jarak jauh secara berkelanjutan. Pengambilan data dilakukan pada lima balita berusia 3–5 tahun dalam kondisi lingkungan yang seragam, menghasilkan 75 sampel. Setiap parameter diklasifikasikan ke dalam tiga tingkat keparahan dan diolah untuk menentukan kategori apnea. Validasi dilakukan dengan membandingkan keluaran sistem terhadap evaluasi medis profesional. Hasil pengujian menunjukkan tingkat akurasi sensor yang tinggi, yaitu 99,8% pada MAX30102, 99,1% pada HX710B, dan 98,9% pada sensor piezo. Akurasi keseluruhan sistem mencapai 94,6%, dengan empat kasus salah klasifikasi pada kategori apnea ringan. Sistem ini menunjukkan potensi sebagai perangkat portabel yang mampu mendukung deteksi dini apnea pada balita melalui pemantauan fisiologis secara real-time. Integrasi teknologi Internet of Things (IoT) dan antarmuka aplikasi yang mudah digunakan menjadikannya relevan untuk diterapkan di rumah maupun fasilitas kesehatan primer. Pengembangan lanjutan dapat difokuskan pada penyempurnaan aturan fuzzy dan ambang batas untuk meningkatkan sensitivitas sistem.