SKRIPSI DIGITAL
Pengembangan Sistem Internet Of Things Untuk Monitoring Stres dan Fatigue Secara Real-Time Berbasis Machine Learning = Development of an Internet of Things System for Real-Time Stress and Fatigue Monitoring Based on Machine Learning
Deteksi stres dan fatigue secara dini masih terkendala oleh metode self-report yang bersifat retrospektif, subjektif, dan tidak dapat dilakukan secara kontinu. Penelitian ini bertujuan mengembangkan sistem Internet of Things (IoT) untuk klasifikasi kondisi Normal, Stres, dan Fatigue secara real-time berbasis sinyal fisiologis multimodal. Metode penelitian mencakup akuisisi data melalui node wearable ESP32 terintegrasi sensor PPG, GSR, dan AHT10 pada sepuluh sesi eksperimen tiga fase (baseline, stres kognitif bertekanan waktu, dan fatigue akibat catur digital), dilanjutkan ekstraksi enam belas fitur statistik melalui sliding window dan komparasi enam algoritma machine learning. Hasil penelitian menunjukkan model Random Forest mencapai akurasi 99,90% pada skema pembagian data acak, namun validasi silang non-acak mengungkap indikasi kebocoran data akibat overlapping window, sementara validasi terhadap lima belas responden melalui Ecological Momentary Assessment menghasilkan tingkat kesepakatan 88,33%. Sumbangan mandiri penelitian ini adalah keberhasilan mengintegrasikan model prediktif ke dalam arsitektur backend Laravel dan Firebase Realtime Database tanpa degradasi latensi. Kesimpulannya, sistem ini layak secara teknis untuk pemantauan kondisi kognitif real-time, sekaligus menegaskan pentingnya skema evaluasi yang cermat pada data time-series fisiologis. Kata kunci: Fatigue; Internet of Things; Machine learning; Sensor fisiologis; Stres
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah