Analisis Kelayakan Implementasi Sistem S

Analisis Kelayakan Implementasi Sistem Smart Healthcare Berbasis
Raspberry Pi dan Pendekatan Fuzzy Logic Untuk Deteksi Dini

Magister Teknik Elektro
Dosen: DR. Ir. Iwan Krisnadi, MBA

Oleh :
Sianturi Tigor Franky Devano
55416110027

Abstrak
Kesehatan merupakan hal mendasar yang diperlukan manusia Selain itu juga
merupakan unsur utama dalam pengembangan individu dan sesuatu yg sangat bernilai
yang harus di jaga. Itulah sebabnya diperlukan cara untuk menyediakan sarana yang
memadai dan parameter pemberian layanan kesehatan yang tepat berdasarkan
pemantauan langsung dan penyediaan bantuan medis.
Pengembangan dan implementasi teknologi baru, terutama Internet dan Wireless
Sensor Networks (WSN) umumnya dikenal sebagai Internet of Things (IOT),
memungkinkan pendekatan global untuk merancang system smart healthcare. Hal ini
memungkinkan sistem Smart Healthcare memasok nilai dan informasi yang relevan
secara real time untuk individu yang berkepentingan (Pasien, dokter dan paramedis,

dan asuransi kesehatan) .Berdasarkan informasi dan aturan-aturan kesehatan yang
sudah di setting untuk individu tersebut, Fuzzy logic ditanamkan untuk memberikan
keputusan jika ada kondisi yang tidak sesuai dengan aturan tersebut.
Sistem komersial yang sangat mahal saat ini menjadi alasan yang tidak dapat di
terima pasien umum. Memanfaatkan teknologi murah penulis mengkaji sistem yang
berorientasi pada kebutuhan berkelanjutan dan mudah diadaptasi.
Kata kunci: Internet of Things; Smart Healthcare; Raspberry Pi; Fuzzy logic;
1. Pendahuluan
Kemajuan teknologi menciptakan kemungkinan baru dalam pelayanan kesehatan
dan penyembuhan penyakit. Kesehatan sudah menjadi kebutuhan utama bagi manusia
tetapi masih merupakan barang yang mahal sehingga untuk menikmati hal tersebut di
butuhkan keinginan dan kemauan yang keras.
Saat ini kesehatan menjadi fokus utama berbagai studi kasus dan proyek
peningkatan pelayanan kesehatan sebagai dasar sistem pelayanan kesehatan secara
umum. Sistem tersebut memberikan informasi kepada pasien dan tenaga paramedis
melewati batas lokasi masing-masing. Pemanfaatan ICT dan benda pintar seperti
sensor dan peralatan portable membuat sistem smart healthcare bisa dikembangkan.
IoT mendukung sistem smart healthcare untuk melacak dan merekam data pribadi
pasien. Perangkat sistem Smart Healthcare ini dirancang dengan tujuan yang
memungkinkan data pribadi akan segera tersedia untuk individu yang akan dianalisis.

Manfaat terbesar dari smart healthcare sistem ini adalah mengurangi kebutuhan akan
rumah sakit oleh pihak ketiga untuk menjalankan tes, yang mahal dan panjang.
Perangkat ini merupakan kemajuan penting dalam hal pelayanan kesehatan,dengan
pendekatan fuzzy logic memungkinkan sistem ini memberikan peringatan dini terkait
kondisi kesehatan seseorang.

Rancangan sistem smart healthcare ini menggunakan hardware murah dan
perangkat lunak open source sehingga memungkinkan pengembangan sistem ini untuk
keperluan masyarakat umum.

2. Tujuan dan Sasaran
Kajian ini dilakukan berdasarkan studi literature dan wawancara kepada tenaga
medis dan pasien orangtua yang sering ke rumah sakit melakukan pemeriksaan
kesehatan untuk mengkaji kelayakan sistem smart healthcare untuk dapat digunakan di
Indonesia. Pengembangan system ini meliputi perancangan prototip system smart
healthcare dan pengukuran terhadap sensor yang di gunakan. Perancangan prototip
dengan memanfaatkan board komputer ultra-murah, kecil dan kuat - Raspberry Pi
(RPi), berbagai sensor yang mudah di aplikasi dan murah, mobile phone dan media
komunikasi .Sasaran dari penelitian ini membandingkan pengukuran yang di dapat dan
membukti system tersebut berjalan sesuai yang diharapkan. Pengujian di lakukan

secara real dan data-data yang di hasilkan dapat di akses melalui mobile phone.

3. Ruang lingkup
Ruang lingkup penelitian ini dibatasi pada perancangan dan pembuatan system
smart healthcare berbasis Raspberri Pi dan pendekatan fuzzy logic untuk deteksi awal,
serta dilakukan pengujian dan pengukuran terhadap alat untuk mengetahui keandalan
dan kelayakan terhadap kondisi saat ini dan dapat di terapkan di Indonesia. Untuk
mengirim hasil mengunakan media komunikasi internet menggunakan HTTP Web
Server (Apache Tomcat) dan short message menggunakan GSM Module.

4. Rumusan Permasalahan







Apakah ada Sistem Smart Healthcare saat ini ?
Dimana saja Sistem Smart Healthcare tersebut bisa di dapat?

Siapa saja yang memanfaatkan Sistem Smart Healthcare tersebut?
Kapan Sistem Smart Healthcare digunakan?
Mengapa diperlukan Sistem Pelayanan Kesehatan?
Bagaimana Sistem Smart Healthcare bekerja dan Berapa biayanya ?

Batasan Masalah
1. Perancangan Sistem menggunakan Raspberry Pi, Sensor Shield V2(SSV2)
merupakan pengukuran biometric dengan memonitor parameter tubuh.
Penelitian ini menggunakan 3 sensor yang berbeda yaitu : pulse(detak jantung,
oksigen dalam darah (SpO2), suhu tubuh, glucometer.

2. Pendekatan Fuzzy logic secara simple untuk deteksi dini Gula darah, jetak
jantung ,tekanan darah dan Temperatur tubuh.
3. Pemantauan pengukuran dan pengujian menggunakan HTTP web server via
wifi/internet.
5. Metodologi
Metodologi yang digunakan pada penelitian ini adalah
1. Studi literatur
2. Wawancara petugas paramedis dan pasien yang melakukan pemeriksaan
kesehatan

3. Metode eksperimen dan melakukan pengujian dan pengukuran sistem smart
healthcare.
Langkah-langkah yang di lakukan dalam penelitian ini adalah sebagai berikut :
1. Melakukan studi literatur terkait smart healthcare
2. Diskusi dan wawancara dengan petugas paramedis dan pasien terkait kondisi
pelayanan kesehatan dan harapan yang diinginkan masing-masing
3. Melakukan Perancangan sistem smart healthcare menggunakan raspberry pi,
sensor shield V2 dan pendekatan fuzzy logic secara simple
4. Melakukan monitoring terhadap mengukuran dari sensor dan sejauh mana
sistem tersebut bisa mendeteksi dini kondisi pasien yang tidak sesuai.
6. Perancangan Sistem
Alat ini memanfaatkan computer board Raspberry Pi (RPi) yang berukuran
kecil tetapi sangat powerful. Sebuah RPi telah dirancang untuk mendukung sejumlah
besar periferal input dan output dan jaringan komunikasi, dan itu adalah platform yang
sempurna untuk berinteraksi dengan banyak perangkat yang berbeda dan digunakan
dalam berbagai aplikasi. Untuk melakukan pengukuran RPi di sambungkan terhadap
sensor yang mendukung untuk pengukuran biometric. Sensor shield V2 (SSV2) yang
terdiri dari 10 sensor yang berbeda: pulse, oksigen dalam darah (SpO2), aliran udara
(pernapasan), suhu tubuh, elektrokardiogram (EKG), glucometer, respon kulit galvanik
(GSR - berkeringat), tekanan darah (sphygmomanometer), posisi pasien

(accelerometer) dan sensor otot / electromyography (EMG).
SSV2.0 memungkinkan real time memantau keadaan pasien atau mendapatkan data
sensitif untuk kemudian dianalisis sebagai diagnosis medis. Informasi biometrik yang
dikumpulkan dapat secara nirkabel dikirim menggunakan modem Wi-Fi.

Berikut desain sistem smart healthcare:

Sensor Shield V.2

Electrocardiogram
(ECG) Sensor

Raspberry
Pi

Pulse & Oxigen
blood Sensor
(SPO2)

GPIO & USB

Modem

Body
Temperature

Fuzzy Logic
System

AirFlow Sensor
(Breathing)

Buzzer
Glucometer
Sensor

Raspberry
Pi Database

galvanic skin
response (GSR sweating)

Gambar 6.1 Desain Sistem Smart Healthcare

Input
Sensor
Data

Fuzzifier

Inference

Fuzzy Rules
Gambar 6.2 Sistem Fuzzy Logic

Defuzzifier

Fuzzy Output

Pengujian terhadap sistem akan di lakukan pengukuran berdasarkan input dari
sensor body temperature, sensor glucometer dan sensor SPO2.Sensor body

temperatur untuk mengukur suhu tubuh pasien, Sensor Glucometer untuk mengukur
kadar gula darah dari pasien dan sensor SPO2 untuk mengukur tekanan darah dan
heart beat dari pasien. Berdasarkan pengukuran tersebut sistem akan mengirimkan
kondisi pasien sesuai dengan Fuzzy Rules yang sudah ditetapkan. Pengujian ini
menggunakan rules sebagai berikut :

Table 6.1 : Fuzzy Rules
MED_RULE

1

2

FPG_RULES

1
2
3
4

5
6
BODY_TEMP_RULES 1
2
3
4

6.1

IF heart rate is normal OR heart rate is High
AND Systolic Blood Pressure is Very High
AND Diastolic Blood Pressure is Very High
THEN Medical Condition is Pre-Hypertension
IF heart rate is normal OR heart rate is High
AND Systolic Blood Pressure is Low AND
Diastolic Blood Pressure is LOW THEN
Medical Condition is Hypotension.
IF frequency is little AND FPG is normal THEN
health
IF frequency is little AND FPG is IFG THEN

health
IF frequency is often AND FPG is normal
THEN self-regard
IF frequency is often AND FPG is IFG THEN
self-regard
IF frequency is much THEN take care
IF FPG is diabetes THEN take care
IF Body_Temperature is Low THEN abnormal
IF Body_Temperature is Normal THEN Health
IF Body_Temperature is High THEN Take
Care
IF Body_Temperature is Very Hight THEN Sick

Perangkat Keras & Devices

Perangkat keras yang digunakan pada sistem ini menggunakan Raspberry Pi, Sensor
Shield V2,Modem Wifi, Monitor dan Mobile Phone, Pulse & Oxigen Blood Sensor, Body
Temperature Sensor, Glucometer sensor dan modul GSM SIM900 untuk pengiriman
informasi melalui SMS.

Spesifikasi Raspberry Pi 3
SoC: Broadcom BCM2837
CPU: 4× ARM Cortex-A53, 1.2GHz
GPU: Broadcom VideoCore IV
RAM: 1GB LPDDR2 (900 MHz)
Networking: 10/100 Ethernet, 2.4GHz 802.11n wireless
Bluetooth: Bluetooth 4.1 Classic, Bluetooth Low Energy
Storage: microSD
GPIO: 40-pin header, populated
Ports: HDMI, 3.5mm analogue audio-video jack, 4× USB 2.0, Ethernet, Camera Serial
Interface (CSI), Display Serial Interface (DSI)

Spesifikasi Sensor Shield V2





9 sensors:
o pulse and oxygen levels in the blood (SPO2)
o breathing
o body temperature
o ECG
o blood glucose monitor
o sweating - GSR
o blood pressure (new)
o accelerometer
o electromyography (EMG) (new)
1 E-Health shield for Raspberry Pi
Connectivity: WiFi; 3G; GPRS; Bluetooth; 802.15.4; ZigBee

Spesifikasi Module GSM SIM 900









Quad-Band 850/ 900/ 1800/ 1900 MHz
GPRS multi-slot class 10/8
GPRS mobile station class B
Compliant to GSM phase 2/2+
– Class 4 (2 W @850/ 900 MHz)
– Class 1 (1 W @ 1800/1900MHz)
Dimensions: 24* 24 * 3 mm
Weight: 3.4g
Control via AT commands (GSM
07.07 ,07.05 and SIMCOM enhanced AT Commands)







SIM application toolkit
Supply voltage range 3.4 ... 4.5 V
Low power consumption
Operation temperature:
-30 °C to +80 °C

Gambar 6.3 Raspberry Pi, Glucometer Sensor, Blood Pressure Sensor & Body
Temperature Sensor, Sensor Shield V2.

6.2

Perangkat Lunak

Sebagai Operating System untuk Raspberry kita menggunakan Raspbian
Wheexy Linux for Raspberry Pi. Kemudian dilakukan konfigurasi IP address agar bisa
diakses lewat jaringan LAN atau Wifi. Untuk memberikan informasi pengukuran RPI
harus mempunyai salah satu server HTTP Web (Apache Tomcat) which dapat
memberikan jasa layanan yang ringan. Selain itu digunakan juga modul GMS SIM900
untuk menginformasikan pengukuran melalui SMS.

6.3

Cara Pengujian dan Pengukuran

Pengukuran yang di lakukan mengukur temperature body , detak jatung , tekanan
darah serta kandungan gula darah pasien dengan menggunakan sensor. Hasil
pengukuran akan di olah menggunakan pendekatan fuzzy kemudian akan terkirim
melalui SMS ke pihak terkait dalam hal ini tenaga paramedis. Untuk hasil lengkap tiap
tiap sensor tenaga paramedis mengakses melalui alamat HTTP server. Proses
pengukuran ini di lakukan sebanyak 100 kali untuk masing masing sensor.

7. Hasil Yang Diharapkan
Sistem Pelayanan Kesehatan saat ini masih konvensional dimana setiap pasien harus
datang langsung ke tempat layanan kesehatan. Sistem Smart Healtcare ini
memudahkan pasien untuk mendapatkan layanan kesehatan yang memadai dengan
biaya yang terjangkau.
Dengan Sistem Smart Healthcare ini pasien bisa mendapatkan layanan kesehatan
dimana saja dan kapan saja dengan pemanfaatan technology internet dan GSM.
Sistem Smart Healthcare ini membantu untuk mendeteksi dini jika terjadi keadaan di
luar kondisi biasa dari pasien sehingga mempercepat penanganan tenaga paramedic
dalam mengambil keputusan.
Biaya dari Sistem Smart Healtcare ini berkisar 3 juta dibandingkan dengan Sistem
Pelayanan Konvensional yang bisa puluhan juta sangat membantu masyarakat untuk
kebutuhan Pelayanan kesehatan.

DAFTAR PUSTAKA
1.

M. Maksimovi??, V. Vujovi??, and B. Peri??i??, “A custom Internet of Things
healthcare system,” 2015 10th Iber. Conf. Inf. Syst. Technol. Cist. 2015, 2015.

2.

Z. Pang, Technologies and Architectures of the Internet-of-Things (IoT) for Health
and Well-being, vol. Doctoral, no. ISBN 978-91-7501-736-5. 2013.

3.

M. A. Al-taee, W. Al-nuaimy, A. Al-ataby, and Z. J. Muhsin, “Mobile Health
Platform for Diabetes Management Based on the Internet-of-Things,” pp. 0–4,
2015.

4.

M. S. D. Gupta, “Healthcare based on loT using Raspberry Pi,” 2015 Int. Conf.
Green Comput. Internet Things, pp. 796–799, 2015.

5.

T. M. Gatton and M. Lee, “Fuzzy logic decision making for an intelligent home
healthcare system,” 2010 5th Int. Conf. Futur. Inf. Technol. Futur. 2010 - Proc.,
2010.

6.

S. Jain, A. Vaibhav, and L. Goyal, “Raspberry Pi based Interactive Home
Automation System through E-mail LED ( Switch (,” no. 2002, pp. 277–280, 2014.

7.

M. Molina-Solana, M. Ros, and M. Delgado, “Unifying Fuzzy Controller for IEQ:
Implementation in a Raspberry Pi,” Proc. 2015 Conf. Int. Fuzzy Syst. Assoc. Eur.
Soc. Fuzzy Log. Technol., vol. 89, pp. 1–6, 2015.

8.

D. Lu and T. Liu, “The application of IOT in medical system,” in ITME 2011 Proceedings: 2011 IEEE International Symposium on IT in Medicine and
Education, 2011, vol. 1, pp. 272–275.

9.

H. Medjahed, D. Istrate, J. Boudy, B. Dorizzi, and T. Sudparis, “A Pervasive Multisensor Data Fusion for Smart Home Healthcare Monitoring,” pp. 1466–1473,
2011.

10.

B. Yuan and J. Herbert, “Fuzzy CARA - A fuzzy-based context reasoning system
for pervasive healthcare,” Procedia Comput. Sci., vol. 10, pp. 357–365, 2012.