Lewati ke konten

Proyek PBL Politeknik Negeri Jakarta

Dari rekaman tidur ke hasil analisis yang terstruktur.

Unggah rekaman polysomnography (PSG) berformat EDF. Sleep Well menjalankan model machine learning dan menyusun AHI, klasifikasi keparahan, event pernapasan, SpO₂, dan detak jantung dalam satu tinjauan.

Masuk untuk menganalisisLihat contoh hasil
  • Format .edf hingga 500 MB
  • Model BiLSTM + XGBoost
  • Laporan PDF

Untuk dokter yang meninjau hasil dan teknisi yang menangani rekaman.

Memuat kutipan rekaman…

Putar ulang kutipan nyata, kecepatan 0,5× · klik untuk menjeda · rekaman publik ucddb012 · bukan pasien Sleep Well

AHI event per jam tidur
24,7Sedang
SpO₂ rata-rata
93,1%
Total event
151
Detak jantung rata-rata
61bpm

Semua yang dibutuhkan untuk meninjau satu rekaman

Empat bagian aplikasi yang saling tersambung, dari file mentah sampai laporan.

  • Unggah EDF

    Terima file rekaman PSG berformat .edf hingga 500 MB dan buat tugas analisis otomatis.

  • AHI dan klasifikasi

    Hitung indeks apnea-hipopnea per jam dan kelompokkan menjadi normal, ringan, sedang, atau berat.

  • Event dan sinyal

    Lihat event obstruktif, sentral, dan hipopnea pada timeline, bersama SpO₂ dan detak jantung.

  • Laporan dan riwayat

    Unduh laporan PDF dan buka kembali analisis sebelumnya dari riwayat.

Dibangun untuk membaca rekaman dengan teliti

Angka di bawah menggambarkan cakupan teknis aplikasi ini, bukan klaim akurasi atau jumlah pengguna.

fitur diekstrak dari sinyal tiap rekaman
104
kelompok sinyal: EEG, SpO₂, EKG, respirasi
4
jenis event: obstruktif, sentral, hipopnea
3
batas ukuran satu file EDF
500 MB

Dari satu file ke satu laporan

Setiap langkah punya masukan dan keluaran yang jelas, sehingga teknisi dan dokter tahu apa yang sedang terjadi pada rekaman.

  1. Unggah EDF

    Pilih file rekaman PSG. Hanya format .edf yang diterima, dengan batas 500 MB per file.

    Masuk
    File .edf dari perangkat PSG
    Keluar
    Tugas analisis dibuat dan masuk antrean

  2. Proses analisis

    Worker mengirim rekaman ke layanan AI. Model BiLSTM dan XGBoost membaca 104 fitur dari sinyal EEG, SpO₂, EKG, dan respirasi. Kegagalan sementara dicoba ulang hingga 3 kali.

    Masuk
    Rekaman yang sudah diunggah
    Keluar
    Status: menunggu, diproses, selesai, atau gagal

  3. Tinjau hasil

    Buka AHI, klasifikasi, timeline event obstruktif, sentral, dan hipopnea, serta SpO₂ dan detak jantung.

    Masuk
    Tugas berstatus selesai
    Keluar
    Ringkasan, event, dan grafik pendukung

  4. Unduh laporan

    Simpan hasil sebagai PDF. Analisis sebelumnya tetap dapat dibuka dari riwayat.

    Masuk
    Hasil analisis yang dipilih
    Keluar
    Laporan PDF dan entri riwayat

Contoh hasil yang bisa ditinjau

Tata letak di bawah mengikuti hasil yang dikeluarkan aplikasi. Isinya berasal dari satu rekaman publik nyata dan hanya untuk memperlihatkan bentuk hasilnya.

Jelajahi demo interaktif
  1. Mulai dari AHIJumlah event per jam tidur, beserta klasifikasinya: normal di bawah 5, ringan 5 sampai di bawah 15, sedang 15 sampai di bawah 30, berat 30 atau lebih.
  2. Lalu baca polanyaTimeline memisahkan event menurut jenis, jadi kelompok event pada satu bagian malam terlihat langsung.
  3. Cocokkan dengan sinyalPenurunan SpO₂ dan lonjakan detak jantung pada waktu yang sama membantu menilai dampak sebuah event.

Contoh hasil — rekaman publik UCDDB

Rekaman · 7 j 12 m · waktu tidur 6 j 8 m · 151 event

AHI24,7event per jam tidurSedang
SpO₂ rata-rata93,1%
Total event151
Detak jantung rata-rata61bpm

Timeline event

Setiap garis menandai satu event napas, dikelompokkan per jenis. Sumbu bawah: jam pada rekaman.

Obstruktif34
Sentral7
Hipopnea110

Detak jantungbpm

Dihitung dari EKG pada file EDF.

SpO₂%

Garis putus-putus oranye = batas 90%. Garis yang terputus = oksimeter tidak memberi nilai (celah data, tidak diisi).

EKG mentah8 detik · 128 Hz

Sinyal EKG asli, 8 detik. Setiap lonjakan tajam = satu detak jantung.

Lima event dengan penurunan SpO₂ terdalam
WaktuJenisDurasiSpO₂ terendah
01:06:33Hipopnea28 dtk78,7%
01:08:22Obstruktif20 dtk78,0%
01:09:11Hipopnea22 dtk64,2%
01:09:53Hipopnea19 dtk64,2%
01:10:39Obstruktif21 dtk82,5%
Rekaman publik ucddb012 (UCD Sleep Apnea Database, PhysioNet, lisensi ODC-By 1.0). Event adalah anotasi ahli dataset, SpO₂ dari oksimeter PSG, detak jantung dihitung dari EKG file ucddb012_lifecard.edf. Apnea campuran dihitung sebagai obstruktif. Ini bukan keluaran model Sleep Well.

Dua peran, satu alur kerja

Tenaga kesehatan berjas putih bekerja di laptop (foto ilustrasi)

Dokter

Meninjau hasil

  • Membaca AHI dan klasifikasi sebagai ringkasan awal.
  • Menelusuri event menurut jenis dan waktu terjadinya.
  • Mencocokkan event dengan SpO₂ dan detak jantung.
  • Mengunduh laporan PDF dan membuka riwayat analisis.
Tangan mengetik di keyboard dengan stetoskop di meja (foto ilustrasi)

Teknisi

Menangani rekaman

  • Mengunggah file EDF dan memantau status tugas.
  • Melihat tugas yang gagal beserta pesan kesalahannya.
  • Mencari dan menyaring riwayat analisis.
  • Menghapus ke tempat sampah dan memulihkan bila diperlukan.

Alat bantu analisis, bukan pengganti penilaian dokter

Sleep Well adalah proyek Project-Based Learning di Politeknik Negeri Jakarta. Aplikasi ini bukan perangkat medis bersertifikat, dan proyek ini belum menyertakan bukti validasi klinis. Hasil model perlu ditinjau dan diputuskan oleh dokter.

Penanganan file dan data

Saat analisis berjalan
File EDF disimpan sementara di penyimpanan server.
Analisis berhasil
Worker menghapus file EDF tersebut.
Analisis gagal
Penghapusan file tidak dijamin otomatis.
Hasil analisis
AHI, event, dan ringkasan tetap tersimpan di akun sampai dihapus.
Dipindah ke tempat sampah
Dibersihkan permanen setelah masa retensi (30 hari secara bawaan), bila pembersihan terjadwal diaktifkan.

Mulai dengan satu rekaman.

Masuk, unggah file EDF, lalu tinjau hasilnya. Rekaman contoh publik tersedia tanpa akun.

Masuk untuk menganalisisCoba demo tanpa akun

Memuat kutipan rekaman…