SISTEM ABSENSI BERBASIS IOT UNTUK MENGUKUR TINGKAT STRES SISWA MENGGUNAKAN ALGORITMA DECISION TREE
Keywords:
IoT, absensi siswa, fingerprint, detak jantung, suhu tubuh, Decision Tree, tingkat stresAbstract
Penelitian ini bertujuan untuk merancang dan membangun sistem absensi siswa berbasis Internet of Things (IoT) yang terintegrasi dengan pengukuran tingkat stres secara real-time menggunakan algoritma Decision Tree. Latar belakang penelitian ini didasari oleh kelemahan sistem absensi konvensional yang masih rentan terhadap manipulasi data serta belum adanya integrasi dengan pemantauan kondisi kesehatan siswa.
Sistem yang dikembangkan memanfaatkan teknologi biometrik berupa sensor fingerprint sebagai media identifikasi kehadiran siswa, serta sensor detak jantung dan sensor suhu tubuh (MLX90614) untuk memperoleh data fisiologis yang digunakan sebagai indikator tingkat stres. Data yang diperoleh kemudian diproses menggunakan algoritma Decision Tree untuk mengklasifikasikan kondisi siswa ke dalam kategori normal, stres sedang, atau stres tinggi. Seluruh data dikirimkan secara real-time melalui jaringan internet menggunakan mikrokontroler ESP32 dan ditampilkan pada aplikasi monitoring berbasis web.
Metode penelitian yang digunakan adalah Research and Development (R&D) yang meliputi tahap analisis kebutuhan, perancangan sistem, pengembangan prototype, serta pengujian dan evaluasi sistem. Hasil penelitian menunjukkan bahwa sistem mampu melakukan identifikasi kehadiran secara akurat, membaca data detak jantung dan suhu tubuh dengan baik, serta mengirimkan informasi secara real-time ke sistem monitoring. Selain itu, algoritma Decision Tree dapat digunakan secara efektif dalam mengklasifikasikan tingkat stres siswa berdasarkan parameter fisiologis.
Dengan adanya sistem ini, diharapkan dapat meningkatkan efisiensi dan akurasi absensi siswa sekaligus memberikan nilai tambah berupa pemantauan kondisi kesehatan secara objektif. Sistem ini juga dapat membantu pihak sekolah dan orang tua dalam memonitor kondisi siswa secara berkelanjutan serta mendukung pengambilan keputusan yang lebih cepat dan tepat.
References
Behradfar, A., Roy, A., & Nuamah, J. (2025). Physiological stress detection using Heart Rate Variability and machine learning approaches. Frontiers in Computer Science, 6, 1–12.
Bhandare, P., Sharma, R., & Gupta, S. (2024). Smart attendance and leave management system using fingerprint recognition for students and employees in academic institute. International Journal of Research Publication and Reviews, 5(8), 123–130.
Darwis, D. K. (2023). Sistem absensi berbasis fingerprint dan notifikasi orang tua berbasis IoT. Jurnal Teknologi Informasi dan Komputer, 10(2), 45–52.
Dewi, N. M. R. S., Devi, N. L. P. S., & Utami, K. C. (2025). Gambaran stres akademik siswa SMP Negeri 1 Kubu selama pandemi COVID-19. Community of Publishing in Nursing (COPING), 13(1), 53–57.
Fadhlurrohman, M., & Basri, H. (2025). Home anti-theft system uses based Telegram bot Internet of Things. Journal of IoT Engineering, 4(1), 15–22.
Google. (2023). Firebase Realtime Database documentation. https://firebase.google.com/docs/database
Hercog, D., Špegelj, D., & Korošec, P. (2023). Design and implementation of IoT systems using ESP32 microcontroller. Sensors, 23(6739), 1–15.
Jubran, I., Shayda, E. E. S., Newman, I., & Feldman, D. (2021). Coresets for Decision Trees of signals. Proceedings of the 35th Conference on Neural Information Processing Systems (NeurIPS).
Kim, D. Y. J., Zhou, A., Sudo, Y., & Takano, K. (2024). Advancing mobile app development and generative AI education through MIT App Inventor. CTE-STEM Proceedings, 1–12.
Kurniawan, A., Prasetyo, D., & Hidayat, R. (2023). Pengembangan aplikasi berbasis web menggunakan HTML, CSS, dan JavaScript untuk sistem monitoring data real-time. Jurnal Teknologi Informasi dan Komputer, 8(2), 120–128.
Lazarou, C., & Exarchos, T. (2024). Neuroscience-based approaches to real-time stress detection using physiological signals. Neuroscience Journal, 11(2), 66–78.
Mozilla Developer Network. (2023). Web development technologies. https://developer.mozilla.org/en-US/docs/Web
Mukhammad, Y., & Hyperastuty, A. S. (2020). Sensitivitas sensor MLX90614 sebagai alat pengukur suhu tubuh non-contact pada manusia. Indonesian Journal of Professional Nursing, 1(2), 51–53. https://doi.org/10.30587/ijpn.v1i2.2289
Panjaitan, R. (2025). Sistem monitoring detak jantung berbasis pulse sensor dan NodeMCU. Jurnal Teknologi Elektro, 12(1), 63–72.
Pramadjaya, A., Suryadi, A., Rohmawati, I., Inkiriwang, R., Stevanes, R., Robani, R., & Andriansyah, Z. (2023). Pengenalan MIT App Inventor untuk membuat aplikasi Android pada sekolah SMKN 7 Kota Serang. SOROT: Jurnal Pengabdian Kepada Masyarakat, 2(1), 13–17.
Rahman, F., Putri, N., & Saputra, H. (2022). Implementasi Internet of Things (IoT) pada sistem monitoring berbasis web menggunakan Firebase Realtime Database. Jurnal Informatika dan Sistem Informasi, 7(1), 45–53.
Ranzato, F., & Zanella, M. (2021). Genetic adversarial training of Decision Trees. Proceedings of the Genetic and Evolutionary Computation Conference (GECCO ’21). https://doi.org/10.1145/3449639.3459286
Riza, M., Putra, A., & Kurniawan, D. (2025). Smart quality control berbasis IoT untuk peningkatan mutu pengemasan makanan kering di UMKM. Jurnal Teknologi Industri, 7(1), 25–33.
Roza, L., Iman, H. N., Nursabrina, F., Nailufar, A., Hidayah, G. E., & Sulaeman, A.
S. (2023). Mengukur suhu ruang dan objek dengan menggunakan suhu inframerah MLX90614 berbasis Arduino. TIME in Physics, 1(1), 37–41. https://doi.org/10.11594/timeinphys.2023.v1i1p37-41
Sari, M., & Putra, A. (2024). Integrasi sistem IoT dengan aplikasi web untuk monitoring data secara real-time. Jurnal Sistem Cerdas dan Komputasi, 9(1), 10–18.
World Wide Web Consortium (W3C). (2022). HTML & CSS standards. https://www.w3.org/standards/webdesign/htmlcss
