Erwin Hari Nugroho (1), Arief Wisaksono (2), Dwi Hadidjaja Rasjid Saputra (3)
General Background: Stroke remains a major health problem, and continuous monitoring of motor function is important for assessing patient rehabilitation progress. Specific Background: Hand grip strength is commonly used to evaluate motor conditions in post-stroke patients; however, previous measurement systems either required manual patient data recording or relied on limited-capacity local storage. Knowledge Gap: Existing hand grip measurement devices have not adequately provided integrated patient identification and cloud-based data storage for long-term monitoring. Aims: This study aimed to develop a hand grip strength measurement system for stroke patients using Internet of Things (IoT) technology, RFID-based patient identification, and Google Spreadsheet cloud storage. Results: The proposed system utilized an ESP32 module, RFID-RC522, load cell sensor, HX711 module, and LCD display. Testing showed a load cell error rate of 0.3%, an average RFID data transmission delay of 3.4 seconds, and an overall system error of 1.09% based on measurements from 10 stroke patients compared with a CAMRY Hand Dynamometer Model 101. Measurement results were automatically stored in Google Spreadsheet and could be accessed by healthcare providers and patient families. Novelty: The system integrates hand grip assessment, RFID-based patient identification through E-KTP, and cloud-based data storage within a single IoT platform. Implications: This design provides a practical approach for structured and accessible monitoring of hand grip strength data in stroke patient therapy programs.Highlights:
Keywords: Stroke; Hand Grip Strength; Internet of Things; Google Spreadsheet; RFID
Stroke adalah kondisi kehilangan fungsi otak yang terjadi akibat berhentinya suplai darah ke sebagian otak[1]. Istilah ini merujuk pada gangguan neurologis yang muncul karena terputusnya aliran darah ke otak[2]. Prevalensi stroke di Indonesia mengalami penurunan menjadi 10,9 permil dari data Riset Kesehatan Dasar tahun 2013 yang mencapai 12,1 permil. Meskipun demikian, biaya pelayanan kesehatan untuk penderita stroke terus meningkat[3].
Faktor risiko stroke, seperti tekanan darah tinggi, diabetes, obesitas, kolesterol tinggi, penyakit jantung bawaan, dan merokok, juga mengalami peningkatan[4]. Faktor-faktor risiko ini dapat menyebabkan stroke hemoragik atau non-hemoragik[5]. Stroke hemoragik terjadi akibat perdarahan di otak, sedangkan stroke non-hemoragik disebabkan oleh tersumbatnya pembuluh darah otak, menghentikan aliran darah ke otak sebagian atau keseluruhan[6]. Sebagian besar kasus stroke adalah tipe non-hemoragik (80-85%), yang dapat menyebabkan kecacatan fisik dan defisit neurologis yang menetap pada pasien yang selamat[7][8].
Kematian jaringan otak akibat stroke dapat mengakibatkan kelemahan otot pada anggota tubuh yang terkena, termasuk kekuatan genggaman tangan[9]. Penilaian kekuatan genggaman tangan menggunakan Hand Grip Dynamometer, yang diukur dalam satuan kilogram, dapat memberikan informasi tentang kondisi motorik pasien post-stroke[10]. Kekuatan Genggaman tangan dihitung dengan satuan kilogram[11]. Kekuatan genggaman tangan pada Pria dan Wanita memiliki Perbedaan dan terdapat pula perbedaan antara lengan kanan dan kiri[12]. Untuk tangan kanan pada untuk Pria kiteria baik 46,5 – 55 kg dan 32,5 – 41 kg pada perempuan, sedangkan kriteria baik untuk tangan kiri 44.5 -54 pada laki laki dan 27 – 36,5 pada wanita[13]. Pemantauan ini penting untuk memonitor perkembangan dan memberikan intervensi yang tepat di rumah sakit[14].
Pada penelitian sebelumnya terdapat alat pengukur otomatis kekuatan genggaman tangan menggunakan arduino uno dan load cell. Tujuan utamanya adalah memberikan hasil pengukuran kekuatan genggaman berdasarkan kriteria lemah, normal, atau kuat dengan mempertimbangkan data umur dan jenis kelamin. Namun, perangkat pengukur ini tidak memiliki integrasi dengan database, yang mengharuskan terapis untuk mencatat data pasien secara manual. Selain itu, perangkat masih mengandalkan arus listrik sebagai sumber daya, sehingga tidak dapat digunakan tanpa sumber listrik[15]. Berikutnya terdapat pengembangan alat genggaman tangan pada pasien stroke yang menggunakan system database pasien, mencakup nomor kode pasien, tanggal pengukuran, jenis kelamin, dan nilai kekuatan genggaman tangan. Data tersebut disimpan dalam memori berkapasitas 8GB, mampu menyimpan sekitar 7 juta data pasien dalam format notepad. Namun, alat ini masih terbatas dengan kapasitas penyimpanan databasenya[16].
Dari permasalah diatas maka penulis ingin menambahkan kapasitas penyimpanan yang tidak terbatas pada alat pengukur genggaman tangan pasien stroke serta penambahan RFID-RC522 sebagai pembaca data pasien melalui E-KTP. Dengan menggunakan ESP32 yang dapat digunakan dengan system Internet of Things yang diintegrasikan dengan google spreadsheet. Google spreadsheet ini mampu menyimpan kapasitas yang tidak terbatas serta dapat dilihat oleh dokter serta keluarga pasien stroke terkait perkembangan pasien stroke yang melakukan terapi. Nilai dari genggaman tangan pasien stroke juga dapat dilihat langsung menggunakan LCD.
Metode yang digunakan pada penelitian ini adalah Research and Development (RnD). Dengan mengembangkan pada penlitian sebelumnya pada alat pengukur genggaman tangan pada pasien stroke, ditemukanlah solusi dari permasalahannya yaitu penyimpanan database yang tak terbatas dan berbasis Internet of Things (IoT).
Blok diafram sistem ini menggunakan input sensor load cell dan modul HX711 sebagai interfacenya. RFID sebagai penampil data pasien beupa nama dan umur yang terkoneksi langsung dengan ESP32. Sensor load cell memberikan masukan analog yang kemudian akan diolah didalam mikrokontroler Arduino Uno R3 dan dengan sendirinya arduino membaca sinyal sensor load cell menjadi data digital kemudian ditransfer ke ESP32. ESP32 sebagai mikrokontroller yang berbasis IoT akan mengirimkan database dari data pasien serta hasil pengukuran dari sensor load cell ke dalam aplikasi google sheet serta ditampilkan pada LCD I2C 16x2. Berikut merupakan blok diagram sistem yang digunakan pada gambar 1.
Figure 1. Blok Diagram Sistem
Flowchart sistem merupakan runtutan langkah dari alat ini. Dimulai dengan menghidupkan power supply dan menekan saklar. Selanjutnya pasien harus scan E-KTP terlebih dahulu untuk mengambil data nama dan umur pasien. Jika berhasil maka akan dilanjutkan pada proses pengukuran genggaman tangan pasien dengan menggenggam sensor load cell. mKemudian sensor load cell dan modul HX-711 mengirimkan sinyal analog dari hasil pembacaan ke mikrokontroller Arduino Uno R3. Hasil pembacaan dari sensor load cell ditampilkan pada LCD I2C 16x2 dengan satuan gram. Sinyal analog diubah ke dalam bentuk sinyal digital yang ditransfer ke mikrokontroller ESP32.ESP32 sebagai mikrokontroller berbasis IOT mengirimkan database melalui server dan disimpan dalam data google sheet guna mengetahui perkembangan stroke pasien. Berikut merupakan flowchart sistem yang digunakan pada gambar 2.
Figure 2. Flowchart Sistem
Pada perancangan software adalah untuk menjelaskan tahap pembuatan program sehingga bisa menjalankan sistem yang dijelaskan sebagai berikut:
Figure 3. Pembuatan Sketch Program pada Arduino IDE
Pada gambar 3. merupakan tahapan pembuatan program Arduino IDE. Pada alat ini terdapat 2 program yang dibuat yaitu dengan menggunakan board arduino uno r3 dan ESP32. Pembuatan program Arduino IDE ini harap memperhatikan dari library yang digunakan.
Dalam perancangan hardware penelitian kali ini harap diperhatikan dari skema rangkaian yang telah dibuat.
Figure 4. Skema Rangkaian
Agar hasil yang diperoleh akurat, perlu dilakukan pengujian terhadap peralatan yang digunakan. Hal ini bertujuan untuk memastikan bahwa hasilnya dapat diandalkan dan dapat diterapkan dengan baik dalam kehidupan sehari-hari.
Pengujian ini dilakukan untuk mengevaluasi sejauh mana keakuratan sensor load cell. Pengujian dilakukan dengan membandingkan nilai yang muncul pada sensor load cell dengan alat ukur standart (timbangan digital).
Figure 5. Pengujian Kekuatan Genggaman Tangan Menggunakan Alat Standart
Pengujian ini dilakukan sebanyak 5 kali dengan tangan pasien stroke yang berbeda-beda. Didapatkan rata-rata jumlah selisih dari kekuatan genggaman tangan pasien stroke sebesar 10 gram dengan presentase error alat adalah 0,3 %. Selisih dan error ini berpengaruh nilainya sesuai dengan kekuatan genggaman tangan pasien stroke.
Pengujian ini bertujuan untuk mengetahui nilai output modul HX711 berdasarkan input dari sensor load cell. Tegangan analog dari load cell diubah menjadi data digital sebagai keluaran HX711, sehingga data sensor tersebut dapat diolah oleh Arduino Uno. Proses konversi input analog ke digital pada HX711 dapat dihitung menggunakan persamaan, dengan contoh perhitungan untuk input tegangan 0,3 mV:
Figure 6.
Hasil perhitungan keluaran HX711 dalam format heksadesimal 24-bit, bersama dengan berbagai variasi input, disajikan dalam Tabel 2. Tabel tersebut menunjukkan bahwa semakin tinggi tegangan input, semakin besar pula nilai heksadesimal output pada HX711. IC HX711 berperan dalam mengonversi tegangan menjadi data digital. Penggunaan nilai heksadesimal dalam format komplemen 2 pada modul HX711 dimaksudkan untuk memperluas rentang input, membedakan antara nilai positif dan negatif, serta mempermudah perhitungan aritmatika dalam pemrograman. Hal ini memudahkan konversi ke satuan gram menggunakan library HX711.
Pengujian ini bertujuan untuk memastikan bahwa tampilan pada layar LCD sesuai dengan data yang dikirimkan oleh Arduino. Metode pengujian melibatkan pengiriman huruf, dan angka ke layar LCD sesuai dengan posisi yang ditentukan untuk memeriksa kecocokan antara data yang dikirimkan dan tampilan yang dihasilkan.
Figure 7. LCD I2C 16x2
Pengujian ini dilakukan sebanyak 5 kali dari beberapa sketch program Arduino IDE yang telah terprogram. Hasil menunjukan kesesuaian yang dihasilkan pada pembacaan tulisan LCD I2C 16x2 pada sketch program Arduino IDE.
Pengujian ini dilakukan guna mengetahui pembacaan dari RFID RC522. Pengujian dilakukan dengan mendaftarkan beberapa card RFID dan menghitung delay pada saat memunculkan datanya hingga terdapat tulisan “Data Published” pada LCD I2C 16x2.
Figure 8. Menempelkan Card RFID pada RFID RC522
Terdapat 5 kali pengujian yang dilakukan pada penelitian ini, didapatkan delay rata-rata untuk pengiriman data card RFID sebesar 3,4 detik.
Pengujian keseluruhan sistem dilakukan dengan membandingkan hasil pengukuran dari alat penelitian dengan pengukuran yang dilakukan menggunakan alat pembanding, yaitu CAMRY Hand Dynamometer Model: 101. Data yang menjadi acuan pada penelitian ini mengacu pada google spreadsheet.
Figure 9. Pengujian Kekuatan Genggaman Alat Penelitian
Pada pengujian rangkaian kesuluruhan alat ini melibatkan 10 pasien stroke, terdiri dari 5 pria dan 5 wanita. Didapatkan selisih hasil kekuatan genggaman tangan pada pasien stroke sebesar 34,5 gram dengan presentase error alat penelitian sebesar 1,09 %.
Berdasarkan hasil dan analisis yang sudah dilakukan maka dapat disimpulkan beberapa hal. Sensor load cell dapat membaca secara actual dengan presentase error 0,3%. LCD I2C 16x2 dapat menampilkan tulisan sesuai sketch program. Untuk RFID RC522 dapat memproses data dengan delay rata-rata 3,4 detik. Alat penelitian ini bias berjalan secara efektif dengan rata-rata error alat sebesar 1,09%. Hasil ini berpengaruh pada kekuatan otot genggaman tangan pada 10 pasien stroke yang telah diujikan.
Saya sebagai penulis, ingin berterima kasih yang sebesar-besarnya kepada Allah SWT. Karena berkat rahmat dan hidayahnya saya bisa mengerjakan skripsi dan artikel ini hingga tuntas. Kedua kalinya saya ucapkan terima kasih kepada dosen pembimbing dan dosen penguji yang telah memberikan penulis masukan dan saran untuk penulisan skripsi dan artikel ini. Ucapan terima kasih yang selanjutnya saya tunjukkan kepada keluarga saya karena berkat do’a dan dukungannya saya bisa menyelesaikan semua ini dengan baik. Yang terakhir saya ucapkan kepada teman-teman saya yang telah memberikan saya semangat untuk menuntaskan skripsi dan artikel ini.
Juniarti, A., Faizal, M., & Meilando, R. (2022). Management Self Care Stroke Terhadap Kualitas Hidup Pasien Pasca Stroke. 4(November), 1377–1386.
Retnaningsih, D., et al. (2024). Aplikasi Discharge Planning Pasien Stroke. Jurnal Keperawatan, 8(12), 71–78. http://journal.stikeskendal.ac.id/index.php/Keperawatan
Putra, Y. P. A., & Ismoyowati, T. W. (2010). Case Report: Latihan Constraint Induced Therapy (CIMT) untuk Meningkatkan Kemampuan Motorik Ekstremitas Atas pada Pasien Stroke Non Hemoragik di Rumah Sakit Swasta di Purwodadi. Paper Knowledge: Toward a Media History of Documents, 21–28.
Khofifah, S. N., & Widada, W. (2023). Asuhan Keperawatan dengan Masalah Gangguan Mobilitas Fisik pada Klien Stroke Hemoragi. Health Medical Science, 1(3), 1–7. https://doi.org/10.47134/phms.v1i3.44
Yuliana, S., & Lestari, A. W. (2024). Efektivitas Benefit-Finding Terhadap Beban Caregiver dan Kesehatan Mental pada Pasien Stroke dan Caregiver Keluarga. 16, 603–610.
Rizky, I., et al. (2024). Prosedur Pemeriksaan CT Scan Kepala dengan Klinis Stroke Hemorrhagic di RS Bhayangkara Makassar. Journal of Education Innovation and Public Health, 2(1), 101–106. https://doi.org/10.55606/innovation.v2i1.2096
Kamesyworo, & Hartanti, S. (2024). Implementasi Keperawatan Latihan Penguatan Sendi pada Pasien Stroke Non Hemoragik dengan Masalah Gangguan Mobilitas Fisik. 5(1).
Maryani, & Ismoyowati, T. W. (2014). Case Report: Tindakan Masase Abdominal dengan Teknik “I LOV U” untuk Pencegahan Konstipasi pada Pasien Stroke Non Hemoragik di Rumah Sakit Swasta Purwodadi. Paper Knowledge: Toward a Media History of Documents, 7–13.
Anggardani, A., Imamah, I. N., & Haniyatun, I. (2023). Penerapan ROM Exercise Bola Karet untuk Meningkatkan Kekuatan Otot. Jurnal Riset Rumpun Ilmu Kesehatan, 2(2), 86–97.
Yuliyani, F. I., Hartutik, S., & Sutarto, A. (2023). Penerapan Terapi Genggam Bola Karet Terhadap Kekuatan Otot pada Pasien Stroke di Bangsal Anyelir Rumah Sakit Umum Daerah (RSUD) Dr. Soediran Mangun Sumarso Wonogiri. Jurnal Riset Rumpun Ilmu Kesehatan, 2(2), 37–48.
Albers, G. W., et al. (2024). Tenecteplase for Stroke at 4.5 to 24 Hours with Perfusion-Imaging Selection. New England Journal of Medicine, 390(8), 701–711. https://doi.org/10.1056/NEJMoa2310392
Azizah, N., Ayubbana, S., & Immamwati. (2024). Penerapan Range of Motion (ROM) Genggam Bola Karet Terhadap Kekuatan Otot Tangan Pasien Pasca Stroke Non Hemoragik. Jurnal Cendikia Muda, 4(3), 456–463. https://jurnal.akperdharmawacana.ac.id/index.php/JWC/article/view/612
Komul, M., Suharsono, S., & Pujiastuti, R. S. E. (2023). Tourmaline Magnetic Socks dan ROM Aktif untuk Meningkatkan Kekuatan Otot Pasien Stroke Non Hemoragik. Jurnal Riset Kesehatan Poltekkes Depkes Bandung, 16(1), 21–34. https://doi.org/10.34011/juriskesbdg.v16i1.2431
Ramadhanti Khaliri, K. P., & Waliyanti, E. (2023). Efektivitas Terapi Genggam Bola Terhadap Kekuatan Otot Tangan pada Lansia dengan Stroke: Studi Kasus. Syntax Fusion, 3(6), 613–621. https://doi.org/10.54543/fusion.v3i06.326
Saputra, F. E., & Riyadi, M. A. (2016). Perancangan Pengukur Kekuatan Genggaman Tangan dengan Load Cell Berbasis Arduino Uno. Transient, 5(1), 8.
Fadilla, N. (2020). Rancang Bangun Alat Ukur Kekuatan Genggaman Tangan Pasien Stroke Dilengkapi dengan Penyimpanan Data. Universitas Muhammadiyah Yogyakarta.