Sistem Pendeteksi Sleep-Disordered Breathing Berdasarkan High dan Low Frequency Menggunakan Metode Naïve Bayes

Tidur merupakan aktivitas dimana otak memberikan tubuh waktu istirahat secara total. Kualitas tidur penting untuk menjaga kondisi fisik maupun mental seseorang. Buruknya kualitas disebabkan oleh gangguan tidur. Gangguan yang paling umum terjadi adalah Sleep-disordered Breathing (SDB) atau Sleep Apnea, penderitanya akan mengalami henti napas berulang saat tertidur. Apnea dikategorikan menjadi 2, yaitu Obstructive (OSA) dan Central (CSA). Diagnosis dilakukan dengan Polysomnography cenderung mahal kurang nyaman. Hasil juga tidak dapat langsung digunakan dokter evaluasi lebih lanjut. Oleh karena itu, pada penelitian ini dibuat sistem pendeteksi ke dalam kelas Normal, OSA, CSA menggunakan sinyal Electrocardiography (ECG) diakuisisi teknik 3-lead placement. Sistem sensor AD8232 mengakuisisi jantung diproses Arduino Mega 2560 mendapatkan fitur High Low Frequency dari kemudian klasifikasi. memiliki akurasi sebesar 85% melakukan klasifikasi SDB metode Naïve Bayes rata-rata komputasi 12ms. di rumah bersifat portable datanya diunduh melalui websiteuntuk dokter, sehingga membuat pasien merasa nyaman efisien diagnosis dini. Abstract is an activity in which the brain gives body total rest. The quality of sleep important to maintain someone's physical and condition. Poor caused by disorders. most common disorder Sleep-Disordered or sufferer will experience repeated pauses breathing while asleep. categorized into two, namely done with expensive uncomfortable. result can also not be directly used doctors for further evaluation. Therefore, this research, a system was created detect disorders classes using signals acquired placement technique. This uses sensors acquire heart that are processed obtain Low-frequency features signal, then classification. has accuracy classifying Naive method average computation time at home because it data downloaded from website doctor evaluation, making patient feel more comfortable efficient early diagnosis.