MONITORING TEMPERATUR TUBUH DENGAN MENGGUNAKAN METODE TITIK KRITIS DISTRIBUSI BERDASARKAN CLUSTER USIA

MONITORING TEMPERATUR TUBUH DENGAN MENGGUNAKAN METODE TITIK KRITIS DISTRIBUSI BERDASARKAN CLUSTER USIA Nany Chaeria Chaerul 1), Ir. Kemalasari,M.T 2) Ronny Susetyoko, S.Si, M.Si 3) Ir. Retno Sukmaningrum, M.T 4) # Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya Kampus PENS-ITS Sukolilo, Surabaya 1 nunay_chubby89@yahoo.co.id 2 kemala@eepis-its.edu 3 ronny@eepis-its.edu 4 retno@eepis-its.edu Abstrak Suatu penyakit dapat diindikasikan dari suhu atau temperatur tubuh yang terukur. Biasanya bagian tubuh yang merasakan infeksi atau sakit bersuhu tubuh tidak normal. Kisaran suhu tubuh manusia yang normal adalah sekitar 36-37,5 C. Jika suhu tubuh yang terukur tidak diantara suhu normal, dapat dikatakan sakit. Pada Proyek Akhir ini akan dirancang suatu alat untuk memonitor temperatur tubuh dengan menggunakan sensor temperatur yang diletakkan di 12 tempat di tubuh. Hasil pengukuran temperatur akan ditampilkan di PC berupa angka dan warna dengan menggunakan metode Titik Kritis Distribusi. Alat ini terdiri dari sensor RTD PT1000, rangkaian jembatan wheatstone, amplifier, 2 buah mikrokontroller, komunikasi serial ke PC. Dari data pengukuran temperatur normal dihitung titik kritisn distribusinya. Lalu data tersebut juga dianalisa dengan menggunakan ANOVA dengan tujuan apakah data tersebut memiliki perbedaan mean yang signifikan. Pada proyek akhir ini dilakukan analisa ANOVA terhadap usia dan terhadap lokasi peletakan sensor. Pada pengujian ANOVA terhadap usia tidak ada perbedaan mean yang mencolok, akan tetapi pada lokasi peletakan sensor memiliki perbedaan mean temperatur, sehingga pada proyek akhir ini monitoring temperatur dilakukan berdasarkan lokasi peletakan sensor. Hasil dari pengukuran nantinya dibandingkan dengan temperatur normal dari data yang sudah didapatkan lalu diproses apakah temperatur yang terukur normal, panas, atau dingin. Alat ini memiliki toleransi error sebesar 0,56%-1,81% terhadap besar temperatur yang terukur Alat yang dibuat ini diharapkan dapat membantu dalam bidang medika untuk mengidentifikasi seseorang terinfeksi atau tidak berdasarkan temperatur. Kata kunci RTD Pt1000, temperatur tubuh, titik kritis distribusi, ANOVA. 1. Latar Belakang Suhu atau temperatur merupakan salah satu besaran fisis yang sering diukur dalam berbagai keperluan yang membutuhkan berapa besar derajat suhu. Ketika anda merasa tidak enak badan, maka hal pertama kali yang sering diperiksa pertama kali apakah tubuh anda panas atau mengalami demam. Suhu tubuh normal manusia akan bervariasi dalam sehari. Seperti ketika tidur, maka suhu tubuh kita akan lebih rendah dibanding saat kita sedang bangun atau dalam aktivitas. Suhu tubuh manusia diatur oleh sistem thermostat di dalam otak yang membantu suhu tubuh yang konstan antara 36.5 C dan 37.5 C. Suhu tubuh normal manusia akan bervariasi dalam sehari. Seperti ketika tidur, maka suhu tubuh kita akan lebih rendah dibanding saat kita sedang bangun atau dalam aktivitas. [1] Pada PA ini akan dirancang suatu alat untuk memonitor temperatur tubuh dengan menggunakan sensor temperatur yang diletakkan di 12 tempat di tubuh. Hasil pengukuran temperatur akan ditampilkan di PC berupa angka dan warna dengan menggunakan metode Titik Kritis Distribusi berdasarkan usia. 2. Teori Penunjang 2.1 Temperatur Tubuh Normal pada Manusia Suhu tubuh manusia cenderung berfluktuasi setiap saat. Untuk mempertahankan suhu tubuh manusia dalam keadaan konstan. Tubuh manusia merupakan organ yang mampu menghasilkan panas secara mandiri dan tidak tergantung pada suhu lingkungan, atau disebut juga mahluk berdarah panas. Tabel 2.1. Temperatur Tubuh Normal Manusia Usia Suhu (oc) 3 bulan 37,5 6 bulan 37,7 1 tahun 37,7 3 tahun 37,2 5 tahun 37,0 1

7 tahun 36,8 9 tahun 36,7 11 tahun 36,7 13 tahun 36,6 Dewasa 36,4 > 70 tahun 36,0 Hipotermi, bila suhu tubuh kurang dari 36 C Normal, bila suhu tubuh berkisar antara 36-37,5 C Febris / pireksia, bila suhu tubuh antara 37,5-40 C Hipertermi, bila suhu tubuh lebih dari 40 C 2.2 Selang Kepercayaan Untuk menentukan titik kritis distribusi, dilakukan dengan proses konvidensi interval (selang kepercayaan).[4] Didekati dengan Distribusi Normal Mempunyai 2 batas : batas atas (kanan) dan batas bawah (kiri) Derajat Kepercayaan = Tingkat Kepercayaan = Koefisien Kepercayaan = 1 - kemudian akan dibagi ke dua sisi, /2 di atas batas atas dan /2 di bawah batas bawah. Untuk menentukan titik kritis distribusi, dilakukan dengan proses konvidensi interval (selang kepercayaan).[4] Didekati dengan Distribusi Normal Mempunyai 2 batas : batas atas (kanan) dan batas bawah (kiri) Derajat Kepercayaan = Tingkat Kepercayaan = Koefisien Kepercayaan = 1 - kemudian akan dibagi ke dua sisi, /2 di atas batas atas dan /2 di bawah batas bawah. 2.2.1 Selang kepercayaan menurut Distribusi Normal Nilai dan Selang kepercayaan yang lazim digunakan antara lain : Selang kepercayaan 90 % Derajat Kepercayaan = 1 - = 90 % = 10 % /2 = 5 %... (1) Selang kepercayaan 95 % Derajat Kepercayaan = 1 - = 95% = 5 % /2 = 2.5 %... (2) Selang kepercayaan 99 % Derajat Kepercayaan = 1 - = 99% = 1 % /2 = 0.5 %... (3) 2.3 Analisis Varian (ANOVA) Analisa variansi (ANOVA) adalah suatu metoda untuk menguji hipotesis kesamaan rata-rata dari tiga atau lebih populasi. Gambar 2.1 Gambaran Umum Analisis Variansi 2.3.1 Kegunaan ANOVA 1. Mengendalikan 1 atau lebih variabel independen Disebut dgn faktor (atau variabel treatment) Tiap faktor mengandung 2 atau lebih level (kategori / klasifikasi) 2. Mengamati efek pada variabel dependen Merespon level pada variabel independen 3. Perencanaan Eksperimen: perencanaan dengan menggunakan uji hipotesis 2.3.2 ANOVA 1 Arah Evaluasi perbedaan diantara 3 atau lebih mean populasi Asumsi Sampel diambil secara random dan saling bebas (independen). Populasi berdistribusi berdistribusi Normal. Populasi mempunyai kesamaan variansi. 2.3.3 Hipotesis ANOVA 1 Arah Seluruh mean populasi adalah sama Tak ada efek treatment (tak ada keragaman mean dalam grup) H A = Tidak seluruh mean populasi adalah sama Minimal ada 1 mean populasi yang Terdapat sebuah efek treatment Tidak seluruh mean populasi (beberapa pasang mungkin sama) 3. Perancangan Sistem Secara umum sistem yang akan dibangun pada proyek akhir ini dapat dilihat pada blok diagram berikut ini: 2

SENSOR 3.1 Algoritma Perhitungan Suhu Normal Start i=1,i++ RANGKAIAN JEMBATAN WHEATSTONE + AMPLIFIER Ambil suhu i Rata-rata suhu MIKROKONTROLLER Simpangan Baku suhu Batas Atas dan Batas Bawah suhu PC Simpan Gambar 3.1 Blok Diagram Sistem Stop Perencanaan sistem proyek akhir ini diawali dengan pembuatan hardware yang terdiri dari 12 sensor RTD, rangkaian jembatan wheatstone, amplifier, dan mikrokontroller yang mengkonversi ADC dari tegangan ke suhu. Sensor RTD Pt1000 diletakkan di 12 tempat di tubuh yaitu 2 di kening kanan dan kiri, 2 di dada kanan kiri, 2 di perut kanan kiri, 1 di leher, 2 di lengan atas, 2 di pergelangan kaki atas, dan 1 di ketiak kanan. Hasil pengukuran dari sensor dikuatkan oleh amplifier, hasil keluaran dari amplifier diolah oleh mikrokontroller untuk dilakukan pengkonversian ADC dari tegangan ke suhu. Kemudian dari pengkonversian ditampilkan ke PC berupa angka dan warna. Gambar 3.3 flowchart perhitungan suhu normal Penjelasan dari flowchart pada gambar 3.2 adalah sebagai berikut, dari data yang terukur oleh alat dihitung rata rata kemudian simpangan baku dan terakhir nilai batas atas dan batas bawah. Nilai batas atas dan batas bawah tersebut digunakan sebagai acuan dari suhu normal. Gambar 3.2 Peletakkan 12 sensor RTD 3

3.2 Diagnosa Data Start For (k;;) Input Data RS232 Data dibandingkan dengan database data normal berdasarkan pemetaan sensor Gambar 4.1 Pengujian sensor berdasarkan suhu dan resistansi Besar Suhu dan Visualisasi Suhu Normal N Suhu diatas suhu normal = merah N Suhu dibawah suhu normal = biru Penjelasan pada gambar 4.1 adalah karakteristik sensor berdasarkan besar suhu dan resistansi. Terlihat pada grafik pada saat suhu 0 derajat nilai resistansi sebesar 1000Ω, semakin panas suhu yang terukur semakin besar pula resistansinya Suhu normal = kuning k Y Y 4.2 Pengujian Rangkaian Jembatan wheatstone Tujuan yang dilakukan dari pengujian rangkaian jembatan wheatstone adalah untuk mengetahui dan menganalisa apakah rangkaian wheatstone menghasilkan V- out yang sesuai dengan rumusan yang ada. stop Gambar 3.4 Flowchart diagnosa data Flowchart diatas adalah alur untuk mendiagnosa data. Suhu yang terukur pada alat akan dibandingkan dengan suhu normal yang telah diperoleh dari perhitungan. 4 Pengujian 4.1 Pengujian Sensor RTD PT1000 Secara umum, tujuan pengujian sensor RTD PT1000 adalah untuk mengetahui apakah rangkaian ini dapat bekerja sesuai dengan spesifikasi yang ditunjukkan oleh datasheet. Karena menggunakan 12 buah sensor RTD Pt1000 maka syarat yang harus dipenuhi adalah 12 sensor harus memiliki sensitifitas yang sama, sebab kesamaan sensitifitas data dari sensor merupakan hal yang penting untuk proses pengolahan data selanjutnya. Dalam pengujian ini, kami melakukan uji coba dengan suhu dingin, panas, normal, dan suhu tubuh. Pengukuran sensor dengan suhu dingin digunakan es batu. Untuk suhu normal digunakan suhu ruangan. Untuk suhu yang panas digunakan alat heater (pemanas air), dan pengukuran suhu tubuh. Uji coba yang dilakukan adalah dengan mengukur suhu pada keadaan tertentu dengan resistansi pada keadaan tersebut. Gambar 4.4 Rangkaian Jembatan Wheatstone(1) Tabel 4.3 DataHasil Uji Coba Rangkaian Wheatstone PT Vout Vout % (Teori) (ukur) error 1000 0,01106 0,011 0,0519 1200 0,02151 0,022 0,1883 1300 0,03139 0,032 0,3856 1400 0,04073 0,041 0,6275 1500 0,04955 0,050 0,9009 1600 0,05789 0,059 11,982 4

1700 0,06579 0,067 15,100 1800 0,07326 0,075 18,317 1900 0,08034 0,082 21,588 2000 0,08706 0,089 24,879 2100 0,09345 0,096 28,163 2200 0,09951 0,103 31,427 2300 0,10528 0,109 34,646 2400 0,11078 0,115 37,821 Dari table pengujian dapat diketahui bahwa hasil perhitungan secara teori mempunyai perbedaan dengan hasil pengukuran. Setelah dihitung prosentasi erornya dapat dianalisa bahwa pada rangkaian ini terjadi error 0.0519% - 3.7821%, error ini terjadi karena dalam rangkain terdapat kompoen-komponen yang memiliki toleransi ± 5%, kesalahan membaca data juga dapat dijadikan alasan besarnya error tersebut. 4.3 Pengujian Rangkaian WheatStone dengan Rangkaian Op-Amplifier LM 358 Pengujian ini bertujuan untuk mengetahui dan menganalisa apakah rangkaian amplifier menghasilkan V-out dan AV yang sesuai dengan rumusan yang ada. + 5 Volt 10 kω 1100 0,1 0,2272 9,997 0,032 1200 0,2 0,3957 8,705 12,946 1304 0,304 0,636 9,205 79,473,684 1407 0,407 0,813 8,789 12,108,108 1511 0,511 1,038 8,938 10,622,309 1625 0,625 1,253 8,821 117,888 1744 0,744 1,446 8,552 14,483,871 1795 0,795 1,531 8,473 15,265,409 1869 0,869 1,629 8,248 17,518,987 1895 0,895 1,705 8,382 16,178,771 1933 0,933 1,788 8,432 15,678,457 2000 1 1,901 8,364 16,356 2024 1,024 1,89 8,121 18,789,063 Dari tabel data diatas terlihat bahwa hasil tegangan output yang dihasilkan terdapat error sebesar 0,032% - 18,789%. Dari data yang diperoleh dapat dianalisa bahwa terjadinya error disebabkan karena jalur dari rangkaian opamp, dan juga dari komponen pada rangkaian tersebut diakrenakan komponen yang diapaki mempunyai toleransi. Kesalahan dalam membaca data juga bisa jadi penyebab dari besarnya presentase error tersebut. 4.4 Pengujian Analisis Variansi Untuk Kelompok Umur Pengujian ini bertujuan untuk mengetahui apakah ada perbedaan mean temperatur antara usia. Data dan Analisa Lokasi 1 Gambar 4.8 Rangkaian Jembatan Wheatstone dan Amplifier Nilai R(1+δ) diperoleh dari referensi datasheet sensor RTD Pt1000. Nilai R(1+δ) merupakan nilai sensor yang terukur pada saat suhu tertentu yang terukur. Akan tetapi pada saat pengujian, agar sensor dapat disetting maka diganti dengan multitone (VR). Berikut dibawah ini adalah tabel pengujian. Tabel 4.4 DataHasil Pengukuran Jembatan Wheatstone dan Amplifier VR δ Vout (AVO) AV % error MTB > AOVOneway 'SD'-'Dewasa'. One-way ANOVA: SD, SMPSMA, Mhs, Dewasa α = 5% Factor 3 1.56 0.52 0.22 0.884 Error 116 276.19 2.38 Total 119 277.75 temepratur dalam Lokasi 2 5

MTB > AOVOneway 'SD2'-'Dewasa2'. One-way ANOVA: SD2, SMPSMA2, Mhs2, Dewasa2 α = 5% Factor 3 4.063 1.354 1.65 0.183 Error 116 95.449 0.823 Total 119 99.512 temepratur dalam Lokasi 3 MTB > AOVOneway 'SD3'-'Dewasa3'. One-way ANOVA: SD3, SMPSMA3, Mhs3, Dewasa3 α = 5% Factor 3 1.49 0.50 0.26 0.855 Error 116 222.62 1.92 Total 119 224.10 temepratur dalam Lokasi 4 MTB > AOVOneway 'SD4'-'Dewasa4'. One-way ANOVA: SD4, SMPSMA4, Mhs4, Dewasa4 α = 5% Factor 3 2.29 0.76 0.55 0.647 Error 116 160.38 1.38 Total 119 162.67 temepratur dalam Lokasi 5 MTB > AOVOneway 'SD5'-'Dewasa5'. One-way ANOVA: SD5, SMPSMA5, Mhs5, Dewasa5 α = 5% Factor 3 10.76 3.59 1.96 0.125 Error 116 212.68 1.83 Total 119 223.44 temepratur dalam Lokasi 6 MTB > AOVOneway 'SD6'-'Dewasa6'. One-way ANOVA: SD6, SMPSMA6, Mhs6, Dewasa6 α = 5% Factor 3 1.72 0.57 0.46 0.712 Error 116 144.74 1.25 Total 119 146.46 temepratur dalam Lokasi 7 MTB > AOVOneway 'SD7'-'Dewasa7'. One-way ANOVA: SD7, SMPSMA7, Mhs7, Dewasa7 α = 5% 6

Factor 3 0.69 0.23 0.05 0.983 Error 116 488.45 4.21 Total 119 489.14 temepratur dalam Lokasi 8 MTB > AOVOneway 'SD8'-'Dewasa8'. One-way ANOVA: SD8, SMPSMA8, Mhs8, Dewasa8 α = 5% Factor 3 2.37 0.79 0.28 0.837 Error 116 323.51 2.79 Total 119 325.88 temepratur dalam Lokasi 9 MTB > AOVOneway 'SD9'-'Dewasa9'. One-way ANOVA: SD9, SMPSMA9, Mhs9, Dewasa9 α = 5% Factor 3 14.43 4.81 2.88 0.039 Error 116 193.98 1.67 Total 119 208.41 temepratur dalam Lokasi 10 MTB > AOVOneway 'SD10'-'Dewasa10'. One-way ANOVA: SD10, SMPSMA10, Mhs10, Dewasa10 α = 5% Factor 3 4.93 1.64 0.78 0.509 Error 116 245.63 2.12 Total 119 250.56 tempratur dalam Lokasi 11 MTB > AOVOneway 'SD11'-'Dewasa11'. One-way ANOVA: SD11, SMPSMA11, Mhs11, Dewasa11 α = 5% Factor 3 6.01 2.00 1.06 0.370 Error 116 219.65 1.89 Total 119 225.66 temepratur dalam Lokasi 12 MTB > AOVOneway 'SD12'-'Dewasa12'. One-way ANOVA: SD12, SMPSMA12, Mhs12, Dewasa12 α = 5% Factor 3 6.87 2.29 1.38 0.253 Error 116 192.84 1.66 Total 119 199.70 temepratur dalam 1.5.1 Analisa Dari analisa variansi yang diperoleh dari pengujian Analisis Variansi untuk kelompok umur dapat dibuat 7

kesimpulan bahwa metode titik kritis distribusi tidak dapat diaplikasikan untuk usia dikarenakan tidak ada perbedaan mean temperature, sehingga tidak bisa dibedakan berdasarkan kelompok usia. 4.5 Pengujian Analisis Variansi Lokasi Pengujian ini bertujuan untuk mengetahui apakah ada perbedaan mean temperatur antara lokasi sensor Data Kelompok Usia SD Ho: Tidak ada perbedaan mean temperature di 12 lokasi sensor H1: Minimal ada satu lokasi yang mean temperatur-nya α = 5% Output minitab: Factor 11 329.73 29.98 15.99 0.000 Error 348 652.28 1.87 Total 359 982.01 >> Ho ditolak. Ada perbedaan mean temperature di 12 lokasi, Kelompok Usia SMP dan SMA Ho: Tidak ada perbedaan mean temperature di 12 lokasi sensor H1: Minimal ada satu lokasi yang mean temperatur-nya α = 5% >> Ho ditolak. Ada perbedaan mean temperature di 12 lokasi, Kelompok Usia Dewasa(26 tahun 50 tahun) Ho: Tidak ada perbedaan mean temperature di 12 lokasi sensor H1: Minimal ada satu lokasi yang mean temperatur-nya α = 5% Output minitab: Factor 11 355.72 32.34 15.60 0.000 Error 348 721.35 2.07 Total 359 1077.07 >> Ho ditolak. Ada perbedaan mean temperature di 12 lokasi, 4.5.1 Analisa Analisa variansi berdasar letak lokasi sensor menunjukkan terdapat perbedaan mean temperature pada setiap pemetaan suhu. Maka dari itu pengujian selanjutnya monitoring temperature tubuh menggunakan titik kritis distribusi berdasarkan letak sensor. 4.6 Pengambilan Data Pengukuran Agar dapat mengaplikasikan metode titik kritis distribusi berdasarkan peletakkan sensor apakah suhu yang terukur normal atau tidak. Temperature yang terukur nantinya akan dibandingan dengan nilai batas atas dan batas bawah. Output minitab: Factor 11 268.69 24.43 10.83 0.000 Error 348 784.82 2.26 Total 359 1053.50 >> Ho ditolak. Ada perbedaan mean temperature di 12 lokasi, Kelompok Usia Mahasiswa Ho: Tidak ada perbedaan mean temperature di 12 lokasi sensor H1: Minimal ada satu lokasi yang mean temperatur-nya α = 5% Data Data yang diperoleh seperti terlihat dibawah ini : Output minitab: Factor 11 304.22 27.66 15.58 0.000 Error 348 617.66 1.77 Total 359 921.88 Gambar 4.14. Hasil pengujian 4.10 Dari gambar diatas dapat dilihat temperature yang terukur dibandingkan dengan temperature normal (pengujian 4.9). jika temperature yang terukur kurang dari temperature normal maka visualisasinya berwarna biru, dan apabila 8

temperature yang terukur lebih besar dari temperature normal maka visualisasinya berwarna merah. Untuk temperature normal visualisasinya berwarna kuning. BAB V KESIMPULAN DAN SARAN Pada bab V ini berisikan kesimpulan dari pengujian pada bab IV dan saran dari pengerjaan proyek akhir yang nantinya dapat dikembangkan lebih lanjut. 1.1 Kesimpulan Dari hasil pengujian tiap blok rangkaian dan pengujian sistem yang telah dilakukan pada bab 4, dapat ditarik kesimpulan sebagai berikut : 1. Besar perubahan nilai ADC bergantung dari perubahan nilai resistansi dari sensor. 2. Metode titik kritis distribusi ini digunakan untuk menentukan titik kritis atau batasan kritis dari suatu kelompok. 3. Analisis variansi atau ANOVA pada proyek akhir ini digunakan sebagai cara untuk memutuskan apakah data memiliki perbedaan mean yang signifikan atau mencolok. 4. Dikarenakan pada pengujian ANOVA berdasarkan usia tidak menunjukkan perbedaan mean temperatur yang mencolok, maka pada proyek akhir ini metode titik kritis distribusi digunakan untuk monitoring temperatur tubuh berdasarkan lokasi peletakan sensor. 5. Setelah dilakukan kalibrasi alat terhadap termometer, alat pada proyek akhir ini memiliki toleransi error sebesar 0,56% - 1,81%. DAFTAR PUSTAKA [1]. F.Ratna Fury, Monitoring Temperatur Tubuh dengan Visualisasi, Surabaya,2003 [2]. Natsir Rizki. Mochammad, Monitoring Temperatur Tubuh Dengan Menggunakan Metode Klasifikasi Temperatur K-Means, Surabaya, 2004 [3]. Nisa Khoirun, Sistem Portabel Pengukuran Kadar Glukosa Darah Memanfaatkan Sensor Pt1000 Berbasis Mikrokontroller, Surabaya:PENS-ITS, 2010 [4]. Pain and Change of Temperature, Fakultas Kedokteran Universitas Brawijaya, 2009 [5]. http://www.file-edu.com/search/label/materi%20fisika, diunduh pada tanggal 27 Juni 2011 puku 20:34 [6]. http://www.infoibu.com/tipsinfosehat/demam.htm, diunduh pada tanggal 21 Mei 2010 pukul. 13:57 [7]. susys.staff.gunadarma.ac.id/downloads/files/1466/es timasi1.doc, diunduh pada tanggal 19 Mei 2010 pukul 19:27 [8]. thomas.staff.gunadarma.ac.id/downloads/files/8194/ ANOVA.pdf, diunduh pada tanggal 10 Januari 2012 pukul 17:05 1.2 Saran Proses perancangan, pembuatan dan pengujian alat ini dilakukan sesuai dengan spesifikasi yang telah ditentukan sehingga masih ada faktor-faktor lain yang diabaikan. Faktorfaktor tersebut mungkin dapat mempengaruhi kinerja sistem jika alat diaplikasikan pada kondisi sesungguhnya. Faktorfaktor tersebut seperti peletakan sensor yang tidak tepat, hardware yang dibuat, pengukuran data yang kurang tepat, dll Dikarenakan alat ini hanya mengukur berdasarkan kelompok lokasi peletakkan sensor dan usia maka kedepannya dapat diharapkan untuk digunakan juga berdasarkan variabel yang lain. Untuk pengembangan lebih lanjut, alat ini bisa digunakan untuk di dunia kedokteran, misalnya dengan mengembangkan hasil diagnosa untuk jenis penyakit yang diderita sehingga dapat membantu cara penanganan pasien yang lebih efektif ataupun dengan pengembangan yang lain. 9