View/Open

Author
ERIC, DANIEL HUTABARAT

Date Published
29 Jun 2026

Advisor
Muhammad Habib Algifari, S.Kom., M.T.I.,
Rudi Setiawan, S.T., M.T.,

Subject
Teknik Informatika

Publisher

Gangguan kecemasan (anxiety) merupakan masalah kesehatan mental global yang signifikan, di mana 1 dari 5 orang Indonesia berisiko mengalaminya. Untuk mendukung deteksi dini yang objektif, penelitian ini bertujuan mengembangkan aplikasi mobile terintegrasi IoT perekam suara detak jantung dan machine learning untuk mengklasifikasikan tingkat kecemasan, dilengkapi fitur survei Hamilton Anxiety Rating Scale (HARS). Sistem dikembangkan dengan metode Rapid Application Development (RAD) memanfaatkan backend Golang, MQTT Mosquitto, dan database MySQL. Data suara jantung dari IoT dikelola oleh backend ke database, dianalisis oleh machine learning, dan hasilnya divisualisasikan melalui aplikasi mobile. Seluruh arsitektur layanan berhasil diintegrasikan menggunakan Docker Compose pada VPS (2 vCPU, 2 GB RAM). Hasil pengujian performa menunjukkan sistem berjalan sangat efisien dan stabil, konsumsi sumber daya hanya meningkat dari 2,5% CPU dan 23,1% RAM saat idle, menjadi 5,7% CPU dan 51,1% RAM ketika seluruh layanan aktif. Kapasitas headroom yang luas menjamin proses integrasi machine learning berjalan lancar tanpa kegagalan sistem. Melalui black box, integration test, dan performance testing, setiap modul dari transmisi data MQTT hingga penyimpanan terbukti berfungsi optimal dengan latensi yang terjaga. Sistem ini berhasil menyediakan infrastruktur yang andal dan stabil untuk mendukung deteksi kecemasan pengguna.

URI
https://repo.itera.ac.id/depan/submission/SB2606280044

Keyword
Aplikasi Mobile Integrasi Machine Learning Internet of Things Rapid Application Development