Network
WartaSidoarjo.com - Mahasiswa Institut Teknologi Sepuluh Nopember (ITS) merancang I-Sleep, kasur cerdas untuk monitoring sleep apnea secara non-kontak untuk penderita gangguan tidur atau Obstructive Sleep Apnea (OSA)
Anggota tim Slumber Squad, Rima Amalia mengungkapkan, I-Sleep lahir dari keprihatinannya terhadap penanganan OSA yang selama ini cukup berisiko bagi pasien.
Risiko tersebut lahir dari penggunaan puluhan kabel yang menjuntai hingga timbulnya reaksi gatal dan iritasi akibat pemakaian jangka panjang. “Dengan itu, I-Sleep hadir sebagai alat yang lebih praktis dan nyaman,” terang Rima.
Baca Juga: Peringati Hari Batik! Yuk Belajar Membatik Ecoprint dengan Teknik ‘Tutuk’
Rima yang menggandeng Firdausa Sonna Anggara Resta dan Mu'afa Ali Syakir dalam tim hebat ini menuturkan, inovasi yang mereka buat memiliki penggunaan dan sistem kerja yang sederhana. Nantinya, pasien hanya tinggal tidur di atas I-Sleep dan membiarkan komponen serta fitur bekerja untuk mendeteksi. Tanpa perlu terlilit puluhan kabel.
I-Sleep juga dapat mendeteksi OSA secara non-kontak dengan memanfaatkan kain konduktif yang telah terintegrasi dengan machine learning. Pada kain tersebut, terdapat elektroda positif dan negatif yang terpasang secara horizontal di permukaan kasur. “Kedua elektroda ini berperan menangkap sinyal dari tubuh pasien,” jelas mahasiswa angkatan 2020 itu.
Ketika pasien tidur, imbuh Rima, aktivitas jantung akan direkam oleh elektroda yang terpasang pada kasur cerdas. Apabila terdapat kondisi yang tidak normal ataupun keganjalan pada tubuh pasien, sinyal akan segera ditangkap dan diantarkan kepada _machine learning untuk dideteksi. “Namun, sinyal juga perlu diolah terlebih dahulu melalui analisis mendalam,” tambahnya.
Mahasiswa Departemen Teknik Biomedik ini menyebutkan, pengolahan sinyal jantung yang ditangkap akan dianalisis dengan tiga parameter, yakni time domain, frequency domain, dan non-linear. Ketiga parameter tersebut berperan untuk mengukur interval waktu denyut jantung, tinggi atau rendahnya frekuensi yang ditangkap, dan menentukan pola ketidakteraturan detak jantung yang terdeteksi.
Setelah sinyal jantung dianalisis, barulah machine learning berperan pada proses terakhir. Proses yang memanfaatkan fitur k-_Nearest Neighbor_ ini bertujuan untuk menentukan kondisi gejala yang diterima dari sinyal tersebut dalam mengindikasikan penyakit gangguan tidur. “Jika iya, machine learning akan segera bertindak untuk membangunkan kembali kesadaran pasien,” jelas Rima.
