SISTEM DETEKSI TINGKAT STRES PADA MANUSIA MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERBASIS WEB SERVER

Stres merupakan kondisi psikologis yang dapat menurunkan konsentrasi,
produktivitas, dan dapat mempengaruhi kesehatan. Penelitian ini bertujuan
mengembangkan sistem deteksi tingkat stres berbasis web server yang mampu
memantau dan mengklasifikasikan tingkat stres menggunakan parameter fisiologis.
Sistem dirancang dengan tiga parameter utama, yaitu konduktivitas kulit (GSR),
detak jantung (MAX30102), dan suhu tubuh (MLX90614), yang diakuisisi melalui
mikrokontroler ESP32 dan dikirimkan ke web server. Proses klasifikasi dilakukan
dengan metode K-Nearest Neighbor (KNN) menggunakan jarak Euclidean,
sementara hasil pengukuran ditampilkan secara real-time pada LCD dan halaman
web yang menyediakan riwayat data. Hasil kalibrasi menunjukkan rata-rata error
sebesar 1,20% pada sensor MLX90614, 2,13% pada sensor MAX30102, dan 3,35%
pada sensor GSR. Uji coba terhadap 15 responden menghasilkan klasifikasi tujuh
orang normal, enam stres ringan, dan dua stres berat, dengan tingkat konsistensi
100% terhadap perangkat lunak Orange sebagai pembanding. Temuan ini
membuktikan bahwa implementasi KNN pada sistem bekerja secara akurat dan
stabil dalam pemantauan real-time. Hasil kesimpulan menunjukkan bahwa sistem
yang dirancang dapat menjadi alat bantu efektif dalam mendeteksi kondisi stres
pada manusia.
Kata kunci: Stres, Sensor, ESP32, KNN, Web Server