Sistem Backend Aplikasi Monitoring Kesehatan dengan Smartwatch dan Machine Learning

GIOVANNI KEVIN A, Dr.Eng. Silmi Fauziati, S.T., M.T. ; Dani Adhipta, S.Si., M.T.

2022 | Skripsi | S1 TEKNOLOGI INFORMASI

Pemantauan (monitoring) kesehatan secara mandiri diperlukan untuk melakukan tindakan preventif terhadap suatu penyakit. Pemantauan kesehatan berfokus kepada upaya untuk mendapatkan informasi kesehatan yang bersifat reguler dan berdasarkan indikator-indikator tertentu. Indikator ini didapat dari pengukuran yang memanfatkan sensor-sensor, salah satunya adalah memanfaatkan sensor-sensor yang ada pada smartwatch. Dengan melakukan monitoring kesehatan harapannya dapat mengetahui lebih dini apabila terdapat kelainan atau hal yang mengkhawatirkan terkait data kesehatan. Pemantauan kesehatan secara mandiri memerlukan suatu aplikasi yang dapat menyimpan data indikator kesehatan pengguna secara reguler, mengolah data, dan merangkum data sehingga diperoleh informasi kondisi kesehatan pengguna dari waktu ke waktu. Pada aplikasi monitoring kesehatan, sensor yang merekap data memerlukan tempat untuk menyimpan dari data tersebut, maka dari itu disediakan database berbasis cloud. Pemilihan database akan menggunakan realtime database yang telah disediakan oleh platform Firebase. Untuk pengolahan data yang sebelumnya telah disimpan, akan dibuat sistem backend berupa API dengan menggunakan REST API dan memanfaatkan web microservice yaitu Flask berbasis Python. Sistem backend agar dapat digunakan secara umum perlulah di-deploy ke dalam server, server cloud yang digunakan berbasis virtual machine yang telah disediakan oleh Google dengan platform Google Cloud Platform (GCP). Selanjutnya, pengujian API akan menggunakan dua aplikasi yaitu Postman dan Apache Jmeter. Hasil dari pengembangan backend yang dibuat berupa dua endpoint yang nantinya akan digunakan untuk passing data yang ada dalam database ke machine learning untuk diolah. Olahan data tersebut berupa skor Body Mass Index (BMI) dan hasil rekomendasi olahraga sesuai dengan kondisi tubuh pengguna smartwatch. Kemudian untuk pengujian API akan menggunakan basis path test dan load test. Basis path test akan menunjukan apakah output sesuai dengan yang diharapakan sedangkan load test berfokus pada response time API.

Independent health monitoring is needed to take preventive action against a disease. Health monitoring focuses on efforts to obtain health information that is regular and based on certain indicators. This indicator is obtained from measurements that take advantage of sensors, one of which is utilizing the sensors on the smartwatch. By conducting health monitoring, it is hoped that they can find out early if there are abnormalities or things that are worrying related to health data. Independent health monitoring requires an application that can store user health indicator data on a regular basis, process the data, and summarize the data so that information on the user's health condition is obtained from time to time. In health monitoring applications, sensors that recap data require a place to store the data, therefore a cloud-based database is provided. The database selection will use the realtime database provided by the Firebase platform. For processing previously stored data, a backend system in the form of an API will be created using the REST API and utilizing a web microservice, namely Python-based Flask. The backend system in order to be used in general needs to be deployed on a server, the cloud server used is based on a virtual machine that has been provided by Google with the Google Cloud Platform (GCP) platform. Furthermore, testing the API will use two applications, namely Postman and Apache Jmeter. The results of this backend made in the form of two endpoints which will later be used for passing data in the database to machine learning for processing. The processed data is in the form of Body Mass Index (BMI) scores and the results of sports recommendations according to the body condition of the smartwatch user. Then for API testing, we will use the base path test and load test. The base path test will show whether the output is as expected, while the load test focuses on the API response time.

Kata Kunci : Monitoring, Smartwatch, Machine Learning, API