Aplikasi Berbasis Web Untuk Deteksi Sleep Apnea Berbasis Deep Learning

Sleep apnea, khususnya Obstructive Sleep Apnea (OSA), merupakan gangguan tidur serius yang sulit didiagnosis secara konvensional. Penelitian ini bertujuan mengembangkan sistem deteksi sleep apnea berbasis deep learning dari sinyal pernapasan, serta membangun aplikasi web untuk analisis dan diagnosisnya. Sinyal pernapasan seperti Flow, Sum, Abdomen, dan SpO2 dari dataset Physionet dan IMERI UI digunakan. Pra-pemrosesan data melibatkan trimming, normalisasi, dan opsional Fast Fourier Transform (FFT). Aplikasi web dibangun dengan Flask (backend) dan ReactJS (frontend), didukung oleh MySQL. Hasil black box testing menunjukkan fungsionalitas sistem yang stabil dan 100% kasus uji berhasil. User Acceptance Test (UAT) terhadap 16 responden menunjukkan tingkat penerimaan dan kepuasan pengguna yang tinggi; 87.5% menyatakan aplikasi layak digunakan umum. Aspek desain antarmuka dan kejelasan hasil deteksi mendapat apresiasi tinggi. Meskipun ada masukan untuk performa data besar dan penyempurnaan UI
, sistem ini terbukti fungsional, stabil, dan berpotensi besar sebagai alat bantu diagnosis sleep apnea.