Pengembangan Deteksi Sleep apnea Dan Kualitas Tidur Dengan Matras Nonkontak Berbasis ECG Dan Sinyal Respirasi Menggunakan Artificial Neural Network

Syakir, Mu`afa Ali (2025) Pengembangan Deteksi Sleep apnea Dan Kualitas Tidur Dengan Matras Nonkontak Berbasis ECG Dan Sinyal Respirasi Menggunakan Artificial Neural Network. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5023211023-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Sleep apnea merupakan suatu kondisi dimana terjadi penyumbatan pada saluran penapasan saat tidur, sehingga sleep apnea dapat menyebabkan kematian .Sleep apnea mengakibatkan kualitas tidur yang buruk. Kualitas tidur yang buruk juga dapat menyebabkan menurunkan fungsi kognitif pada tubuh. Pemantauan sleep apnea dan kualitas tidur umunya menggunakan polysomnography, akan tetapi penggunaannya menggunakan banyak kabel dan tidak dapat dilakukan di rumah, lalu penggunaan elektroda basah dapat mengakibatkan iritasi pada kulit. Untuk mengatasi hal tersebut penelitian ini adalah merancang pendeteksian sleep apnea dan kualitas tidur secara nonkontak. Pendeteksian ini menggunakan sinyal ECG dan respirasi secara nonkontak menggunakan bahan konduktif dan sensor piezoelektrik. Pendeteksian sleep apnea dan kualitas tidur dilakukan secara nonkontak dengan penempatan elektroda ECG pada bagian punggung, pinggang, dan paha, serta untuk sinyal respirasi sensor piezoelektrik ditempatkan pada bagian bawah punggung, selanjutnya melewati rangkaian amplifier, lowpass filter, highpass filter, dan adder untuk instrumentasi ECG dan rangakain amplifier dan adder untuk rangakain sinyal respirasi. Keluaran sinyal diubah ke digital dan diolah di Raspberry pi, sinyal ECG diolah untuk diekstraksi fiturnya berdasarkan analisis dari heart rate variabilty berdasarkan time domain,frequency domain dan nonlinear analisis, sedangkan untuk sinyal respirasi didapatkan fitur laju pernapasan. Hasil ekstraksi fitur akan dimasukan sebagai masukan untuk machine learning dan dapat mendeteksi sleep apnea dan kualitas tidur, jika terdeteksi sleep apnea sistem akan membangunkan secara otomatis dengan autodialer. Hasil menunjukan nilai akurasi untuk sleep apnea sebesar 92% dan kualitas tidur didapatkan akurasi 93% Diharapkan dari penelitian ini pemantauan sleep apnea dan kualitas tidur secara nonkontak mendapatkan akurasi yang tinggi dan dapat dilakukan pemantauan di rumah. Hal ini diharapkan dapat menurunkan prevelansi dari sleep apnea dan pemantuan kualitas tidur sesorang.
=======================================================================================================================================
Sleep apnea is a condition in which there is an obstruction in the respiratory airway during sleep, which can lead to death. Sleep apnea results in poor sleep quality, and poor sleep quality can further impair cognitive function. Monitoring sleep apnea and sleep quality is typically done using polysomnography; however, its use involves multiple wires and cannot be performed at home. Additionally, the use of wet electrodes can cause skin irritation. To address this issue, this study aims to design a non-contact method for detecting sleep apnea and sleep quality. The detection system uses ECG and respiratory signals non-contractedly, employing conductive materials and piezoelectric sensors. The detection of sleep apnea and sleep quality is performed non-contact by placing the ECG electrodes on the back, waist, and thighs. For respiratory signals, piezoelectric sensors are placed on the lower back. These signals are then passed through an amplifier circuit, low-pass filter, high-pass filter, and adder for ECG instrumentation, and amplifier and adder circuits for respiratory signals. The output signals are converted to digital form and processed using Raspberry Pi. The ECG signals are analyzed to extract features based on heart rate variability analysis, including time domain, frequency domain, and nonlinear analysis. Meanwhile, respiratory signals are analyzed to extract the respiration rate. The extracted feature data is fed into a machine learning system to detect sleep apnea and sleep quality. If sleep apnea is detected, the system automatically awakens the user through an autodialer .The results show an accuracy rate of 92% for detecting sleep apnea and 93% for detecting sleep quality. This study is expected to provide a high-accuracy, non-contact sleep apnea and sleep quality monitoring system that can be used at home. It is hoped that this system will help reduce the prevalence of sleep apnea and improve sleep qualitymonitoring.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	ANN, ECG, kualitas tidur, respirasi, sleep apnea,respiration, sleep quality
Subjects:	R Medicine > R Medicine (General) > R856.2 Medical instruments and apparatus. R Medicine > RC Internal medicine > RC683.5.E5 Electrocardiography T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5102.9 Signal processing.
Divisions:	Faculty of Electrical Technology > Biomedical Engineering > 11410-(S1) Undergraduate Thesis
Depositing User:	Mu'afa Ali Syakir
Date Deposited:	04 Aug 2025 02:03
Last Modified:	04 Aug 2025 02:03
URI:	http://repository.its.ac.id/id/eprint/125411

Actions (login required)

View Item