Pengembangan Sistem IoT Alat Deteksi Golongan Darah dan Rhesus Manusia Berbasis Android dengan Fitur Penyimpanan Data Pendonor

Ita Mubarokah, S.T., M.T.; Thia Anissa, S.Pd., M.Eng.; Gita Rohmawaty; Ibnu Musyarof

Authors

Ita Mubarokah, S.T., M.T. Teknik Elektro, Kampus Serang, Universitas Pamulang
Thia Anissa, S.Pd., M.Eng. Teknik Elektro, Kampus Serang, Universitas Pamulang
Gita Rohmawaty Sistem Komputer, Kampus Serang, Universitas Pamulang
Ibnu Musyarof Sistem Komputer, Kampus Serang, Universitas Pamulang

Keywords:

Golongan Darah, Internet of Things, Aplikasi Android, Penyimpanan Data Pendonor

Abstract

Penggolongan darah berdasarkan antigen dan faktor Rhesus sangat penting dalam proses transfusi darah. Golongan darah manusia terbagi menjadi A, B, O, dan AB, sedangkan faktor Rhesus (Rh) mengelompokkan darah menjadi Rh positif dan Rh negatif. Proses donor darah memerlukan kecocokan golongan darah dan Rhesus antara pendonor dan penerima untuk menghindari risiko komplikasi. Penelitian ini bertujuan untuk mengembangkan sistem IoT yang dapat mendeteksi golongan darah dan faktor Rhesus secara otomatis, serta memberikan informasi kecocokan donor darah. Sistem ini juga dilengkapi dengan aplikasi Android yang memfasilitasi penyimpanan data pendonor dan memudahkan akses informasi. Pada sistem ini, sampel darah dicampur dengan antisera pada kaca preparat. LED digunakan sebagai transmitter cahaya, sementara sensor LDR berfungsi sebagai receiver yang mendeteksi aglutinasi berdasarkan perubahan intensitas cahaya. Tegangan yang dihasilkan diproses oleh Arduino Uno, dan hasilnya ditampilkan di layar LCD serta dikirimkan ke aplikasi Android melalui NodeMCU ESP8266 menggunakan koneksi internet. Data pendonor secara otomatis disimpan dan dapat diakses melalui aplikasi. Hasil pengujian menunjukkan bahwa sistem ini mampu mendeteksi berbagai golongan darah (A+, B+, O+, AB+, A-, B-, O-, AB-) dengan akurasi 95%. Sistem juga berhasil menampilkan dan menyimpan data pendonor dengan akurat dan real-time, sepenuhnya memenuhi konsep Internet of Things (IoT).

References

Hendrawati, T. D., & Hasanudin, I. (2022). Human blood group and rhesus detection tool prototype design based on IoT. Elinvo (Electronics, Informatics, and Vocational Education), 7(1), 10–18. https://doi.org/10.21831/elinvo.v7i1.45057

Hermawan, A., Mubarokah, I., & Baskoro, F. (2020). Blood donor matching information systems and determining tools for blood cluster and human Rhesus based on IoT. https://doi.org/10.2991/aer.k.201124.019

Vicnesh, J., Sudarshan, V. K., Oh, S. L., Gururajan, R., Zhou, X., & Acharya, U. R. (2021). Future IoT tools for COVID‐19 contact tracing and prediction: A review of the state‐of‐the‐science. International Journal of Imaging Systems and Technology, 31(2), 455–471. https://doi.org/10.1002/ima.22552

Ojeka, S. O., Dapper, D. V., & Egbejimi, A. M. (2021). Influence of ABO and Rhesus blood group on blood pressure and hypertension in Bayelsa State. Asian Journal of Research in Medical and Pharmaceutical Sciences, 10(1), 33–40. https://doi.org/10.9734/ajrimps/2021/v10i130156

Wenah-Emmanuel, J. E., Eze, E. M., Nwachuku, E. O., Wenah, E., & Jeremiah, Z. A. (2021). Assessment of gene frequencies of human platelet alloantigens in Rivers State, Nigeria based on ABO/Rhesus blood groups distribution. International Blood Research & Reviews, 12(3), 23–31. https://doi.org/10.9734/ibrr/2021/v12i330152

Magar, B. P., Oli, J. B., Adhikari, S., Rana, E., & Pun, D. B. (2022). Distribution of ABO and Rhesus blood groups among the blood donors in a teaching hospital of hilly region, Nepal: A cross-sectional study. MedS Alliance Journal of Medicine and Medical Sciences, 2(4), 77–80. https://doi.org/10.3126/mjmms.v2i4.53679

Turakit, S., Auepphanwiriyakul, S., & Theraa-Umpon, N. (2024). Plasmodium vivax in thin blood smear classification using fuzzy inference system with automatic membership functions and rules generation. In 1st International Conference of Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (ECTI-CON). IEEE.

Nalla, P., Sonbhadra, S. K., Syafrullah, M., Punn, N. S., Singh, N., Agarwal, S., & Adiyarta, K. (2021). White blood cell subtype detection and classification. In 8th International Conference on Electrical Engineering, Computer Science and Informatics (EECSI). IEEE.

Mahmood, M. F., Jameel, H. F., Yaseen, S. M., & Mohammed, S. L. (2023). Determination of blood groups based on GUI of MATLAB. In 5th International Conference of Electrical, Computer and Communication Technology (ICEOCT). IEEE.

Paz-Soto, Y., Herold-Garcia, S., Fernandes, L. A. F., & Diaz-Matos, S. (2023). In 33rd SIBGRAPI Conference on Graphics, Patterns and Images. IEEE.

Sangeetha, M., Arokiaraj, R. M., Tamizarasu, K., Sudha, K., Devi, R. M., & Kumar, K. (2023). An automated multi-level convolutional neural network approach for classification of white blood cells. In 4th International Conference on Computing Communication and Networking Technologies (ICCCNT). IEEE.

Ridoy, A. R. M., & Islam, R. M. (2020). An automated approach to white blood cell classification using a lightweight convolutional neural network. In 2nd International Conference on Advanced Information and Communication Technology (ICAICT). IEEE.

https://www.labcenter.com/

https://fritzing.org/