Implementasi Elastic Stack Pada Sistem Pendeteksi Tingkat Stres Menggunakan Sensor GSR dan DS18B20 Berbasis Raspberry Pi

  • Fatihatun Puti Sabrina Program Studi Teknologi Rekayasa Internet, Universitas Gadjah Mada, Sleman, DI Yogyakarta
  • Budi Bayu Murti Program Studi Teknik Telekomunikasi, Universitas Gadjah Mada, Sleman, DI Yogyakarta
Keywords: Stres, Elastic Stack, GSR, DS18B20, Raspberry Pi, Quality of Services (QoS)

Abstract

Kesehatan tubuh mencakup kesehatan fisik dan mental. Salah satu faktor penentu kesehatan mental adalah stres. Selama ini, telah tersedia alat pendeteksi stres dengan memanfaatkan indikator fisiologis akibat reaksi yang muncul dari symphatetic nervous system, namun alat cenderung mahal dan masih bekerja secara terpisah. Dalam penelitian ini, dibuat dua buah prototipe pendeteksi tingkat stres menggunakan Galvanic Skin Response, DS18B20, dan Raspberry Pi. Skenario sistem dirancang untuk dua orang pasien dari dua rumah sakit berbeda yang ditangani oleh satu orang tenaga medis. Untuk memastikan reliabilitas jaringan dalam transmisi data, mempertimbangkan pengolahan database dan visualisasi pengguna, implementasi Elastic Stack dilakukan pada sistem. Data dikirimkan dari Raspberry Pi sebagai client menggunakan Beat dan ditampung ke dalam Logstash sebelum dimasukkan ke dalam database (Elasticsearch). Hasil pengolahan data divisualisasikan menggunakan Kibana dashboard. Dalam penelitian, kalibrasi sensor GSR menunjukkan percentage difference sebesar 0,79% dan sensor DS18B20 sebesar 0,095%. Rata-rata delay dalam proses transmisi data berlangsung sekitar 3-4 detik. Hal ini terjadi karena Filebeat akan menyesuaikan kecepatan pengiriman data agar tidak membebani server. Mekanisme harvester dan prospector pada Filebeat juga memastikan semua data terkirim dan tersimpan dalam registry file, sehingga sistem akan melakukan pengiriman kembali sekalipun server down. Secara kesuluruhan, hasil pengujian QoS menggunakan standar TIPHON menunjukkan bahwa transmisi data dari Beat menuju Logstash berkategori memuaskan

Downloads

Download data is not yet available.

References

K. Fadhilah, A. Stefanus, and D. Fauzandhiiya, “Perangkat Pemantau Kesehatan Mental Berbasis IOT,” Industrial Research Workshop and National Seminar , vol. 9, pp. 840–847, 2018.

G. J. Hernando, D. S. Ginting, and F. Syahbarudin, “Perangkat Asisten Dokter Untuk Penyakit Stres,” Industrial Research Workshop and National Seminar , vol. 9, 2018.

Y. L. Wee, “Development of Galvanic Skin Response Sensor System to Measure Mental Stress,” Dissertation submitted in partial fulfilment of the requirements for the Bachelor of Engineering (Hons) (Electrical & Electronic), 2014.

M. M. Idris, “Rancang Bangun Sistem Pengumpulan Data Biomedik,” Tugas Akhir Universitas Negeri Makassar, 2019.

Y. Estrada, “Alat Pengukur Tingkat Kestressan Manusia,” Tugas Akhir Program Studi Teknik Elektro Universitas Negeri Semarang, 2019.

D. Mathuvanthi , V. Suresh, and C. Pradeep, “IoT Powered Wearable to Assist Individuals Facing Depression Symptoms,” International Research Journal of Engineering and Technology (IRJET), vol. 6, no. 1, 2019.

M. Bajer, “Building an IoT Data Hub with Elasticsearch, Logstash, and Kibana,” International Conference on Future Internet of Things and Cloud Workshops 5th, pp. 64–66, 2019.

ELK Team. (n.d.), “How Filebeat work?,” www.elastic.co. [Online]. Available: https://www.elastic.co/guide/en/beats/filebeat/current/how-filebeat-works.html. [Accessed: 28-Jun-2021].

Elastic Stack. (n.d.), “Elastic Stack : Elasticsearch, Beats, Kibana & Logstash,” www.elastic.co. [Online]. Available: https://www.elastic.co/elastic-stack. [Accessed: 29-Nov-2020].

Published
2022-03-08
How to Cite
Sabrina, F. P., & Murti, B. B. (2022). Implementasi Elastic Stack Pada Sistem Pendeteksi Tingkat Stres Menggunakan Sensor GSR dan DS18B20 Berbasis Raspberry Pi. Teknika, 11(1), 38-44. https://doi.org/10.34148/teknika.v11i1.423
Section
Articles