Sistem Monitoring Terpadu untuk Kelompok Geriatri Menggunakan Fuzzy Mamdani Dan Deep Learning

Geriatri merupakan salah satu kelompok rentan yang membutuhkan monitoring yang intensif untuk meningkatkan kualitas hidup dari kelompok geriatri itu sendiri. Implementasi kecerdasan buatan (AI) memberikan kemudahan bagi pengguna maupun kelompok geriatri. Di dalam penelitian ini dibangun sistem monitoring bagi kelompok geriatri berbasis parameter saturasi oksigen, detak jantung dalam satuan (beats per minute) (BPM) dan temperatur tubuh yang bertujuan untuk memudahkan dalam memonitoring geriatri melalui teknologi AI. Perangkat menggunakan sensor MAX30205 dan sensor MAX30102 yang diintegrasikan dengan mikrokontroler ESP32 sehingga dapat memonitor kondisi geriatri secara real-time. Implementasi pemodelan untuk mendeteksi kondisi geriatri apakah stabil atau tidak stabil menggunakan deep learning (DL) yang dikembangkan berbasis aturan fuzzy mamdani. Terdapat 10 model DL yang dikomparasi dengan arsitektur layer dan epoch yang berbeda, di mana menghasilkan akurasi tertinggi pada model 8 dengan persentasi akurasi 97,8% dan F1-score sebesar 0,98. Pengujian dilakukan dengan mengukur sensitifitas sistem terhadap pembacaan tiga parameter pada kelompok geriatri, di mana menghasilkan nilai MAPE sebesar 1,33% dan akurasi 98,67%. Sementara pengujian persepsi sistem melalui pemodelan DL yang terintegrasi dengan fuzzy mamdani terhadap data riil pada tiga parameter dilakukan dengan melibatkan 15 partisipan. Berdasarkan eksperimen tersebut, dihasilkan 14 pengujian yang menghasilkan data yang sesuai antara nilai aktual dan nilai hasil. Sehingga akurasi persepsi sistem terhadap kondisi stabilitas kelompok geriatri adalah 93,33%. Penelitian ini berkontribusi dalam meningkatkan kualitas hidup kelompok geriatri melalui implementasi monitoring yang terintegrasi dengan AI serta memiliki originalitas di mana sistem yang dibangun mengkombinasikan teknologi DL dengan teknik Fuzzy untuk menghasilkan akurasi data yang optimal.   Abstract Geriatrics represents one of the vulnerable communities that requires intensive monitoring to enhance the quality of life within the geriatric itself. The implementation of artificial intelligence (AI) provides convenience for both users and the geriatric population. In this study, a monitoring system based on oxygen saturation parameters, heart rate in beats per minute (BPM), and body temperature was developed for the geriatric and aims to monitor the geriatric by utilizing AI technology. The device utilizes MAX30205 and MAX30102 sensors integrated with the ESP32 microcontroller to monitor the geriatric condition in real-time. The implementation of modeling to detect whether the geriatric condition is stable or unstable uses deep learning (DL) developed based on Fuzzy Mamdani rules. There are 10 DL models compared with different layer architectures and epochs, resulting in the highest accuracy in model 8 with an accuracy rate of 97.8% and an F1-score of 0.98. Testing was conducted by measuring the system's sensitivity to readings of three parameters in the geriatric group, yielding a Mean Absolute Percentage Error (MAPE) value of 1.33% and an accuracy of 98.67%. Meanwhile, the perception testing of the system through DL modeling on real data for three parameters involved 15 participants. Based on these experiments, 14 tests were conducted, producing data consistent between actual and observed values. Thus, the system's accuracy in perceiving the stability of the geriatric group's condition is 93.33%. This study contributes to improving the quality of life of geriatric groups through implementing monitoring integrated with AI and has originality where the system combines DL technology with fuzzy techniques to gain optimal data accuracy.