PERANCANGAN SISTEM WEARABLE IOT MULTISENSOR BERBASIS BIOFEEDBACK SEBAGAI MEDIA INTERVENSI DAN MONITORING UNTUK MENINGKATKAN SELF-AWARENESS PADA ANAK ADHD.
Keywords:
ADHD, Wearable IoT, Biofeedback, ESP32-C3, GSR, MAX30102, MPU6050, MQTT, Self-awareness.Abstract
Attention Deficit Hyperactivity Disorder (ADHD) merupakan gangguan perkembangan saraf yang ditandai dengan kesulitan pemusatan perhatian, impulsivitas, dan hiperaktivitas akibat defisit metakognitif dan disregulasi pada sirkuit prefrontal cortex (PFC). Metode pemantauan konvensional saat ini masih bersifat open-loop dan mengandalkan observasi subjektif yang sering terlambat mendeteksi fase disregulasi. Penelitian ini bertujuan merancang dan mengimplementasikan Sistem Wearable IoT Multisensor Berbasis Biofeedback sebagai media intervensi dan monitoring lingkar tertutup (closed-loop) untuk meningkatkan self-awareness pada anak ADHD secara real-time. Sistem dikembangkan menggunakan pendekatan rekayasa perangkat lunak berbasis Agile Scrum. Perangkat keras wearable dirancang ergonomis berbasis mikrokontroler ESP32-C3 SuperMini (32-bit RISC-V 160MHz) yang mengintegrasikan tiga sensor fisiologis dan kinetik, yaitu sensor Galvanic Skin Response (GSR) dengan kalibrasi dual-slope, sensor Photoplethysmogram (PPG) MAX30102 untuk deteksi denyut jantung (Heart Rate/HRV), dan sensor Inertial Measurement Unit (IMU) 6-Axis MPU6050 untuk klasifikasi gerak hiperaktif. Unit intervensi menggunakan motor vibrasi haptik Eccentric Rotating Mass (ERM) yang dikendalikan via driver transistor NPN S8050. Data biometrik dikirimkan melalui protokol MQTT (broker lokal port 1883 dan public cloud broker broker.emqx.io) serta WebSocket (port 5001) menuju Web Dashboard Interaktif TanStack / Vite. Hasil pengujian menunjukkan sensor MAX30102 memiliki tingkat akurasi 97,23% (error 2,77%) terhadap gold standard medis, kalibrasi dual-slope GSR mampu membedakan kondisi lepas udara (0 µS), kondisi tenang (4,5–8,0 µS), dan kondisi disregulasi (≥10,0 µS), serta algoritma sensor fusion decision logic berhasil membedakan gairah fisik murni dengan disregulasi emosional guna mencegah false positive. Latensi transmisi data MQTT tercatat rata-rata 91 ms (QoS 1) dengan packet loss 0%, dan baterai Li-Po 500mAh mampu beroperasi selama 6–7 jam. Sistem ini terbukti efektif memberikan intervensi taktil instan secara diskret sehingga membantu melatih kesadaran interoseptif anak ADHD untuk memulihkan fokus tanpa menimbulkan sensory overload.
References
Ardiansyah, F., Haryanto, L., & Salahuddin, M. (2025). Pengembangan Model Pembelajaran Jasmani Adaptif untuk Siswa Berkebutuhan Khusus Berbasis Pendekatan Multisensori. 15(4), 257–261.
Devi, I. L., & Susetyo, Y. F. (2024). Intervensi Perilaku dan Multisensori untuk Anak dengan ADHD yang Mengalami Gangguan Sensorik Behavioral and Multisensory Interventions for a Child with ADHD and Co-Occurring Sensory Dysregulation. 10(2), 122–133. https://doi.org/10.22146/gamajpp.93750
Fitri, A. E., Ramadhani, A., Budiana, D., Nilza, F., Farida, N. R., & Sari, M. M. (2025). Jurnal Penelitian Nusantara Attention Deficit Hyperactivity Disorder ( ADHD ). 1(10), 5–8.
Health, H., Wiranda, C. U., Wiriasto, G. W., Elektro, T., Mataram, U., & Jantung, M. D. (不詳). SISTEM IoT MONITORING DETAK JANTUNG REAL TIME MENGGUNAKAN SENSOR OXIMETER MAX30102 UNTUK MENDETEKSI KESEHATAN.
Iman, B. N., & Rafikasitha, R. (2022). Perancangan dan Implementasi Alat Pendeteksi Dini Penyakit Jantung Koroner. 18(4), 216–224. https://doi.org/10.17529/jre.v18i4.27240
Jurnal, E., Erlangga, M., & Ramadhan, S. (2025). Sistem Pemantauan Stres Dan Kecemasan Untuk Deteksi Dini Kesehatan Mental Memakai Sensor Biomedik Bebasis Iot Dan Deep Neural Networks. 18(1), 309–317.
Kediri, I. (2022). Perkembangan bahasa anak hiperaktif. 1(2), 114–122.
Muthmainnah, M., & Tabriawan, D. B. (2022). Prototipe Alat Ukur Detak Jantung Menggunakan Sensor MAX30102 Berbasis Internet of Things ( IoT ) ESP8266 dan Blynk. 7(3), 163–176.
Photoplethysmograph, B. (2022). Jurnal Pendidikan MIPA. 12(September), 726–731.
Rangkuti, T. H. (2025). Design of IoT Based Electrical Parameter Monitoring System using NodemCu V3 and PZEM-004T V3 Sensor. 1–8.
