Abstract:Abstract: Barongan Hamlet is part of Donorojo Village, Tegalrejo District, Magelang Regency. In October 2022, Barongan Hamlet is in the top position for the number of stunting cases in the Donorojo Village area. The number…
er of cases of stunting was recorded in 8 children out of 15 children aged < 5 years. In addition, there were 2 pregnant women, one of whom was detected as having KEK (chronic energy deficiency), so that they have the potential to give birth to stunted babies. One of the factors causing stunting is the lack of knowledge about nutrition during pregnancy and toddlerhood. Seeing the potential and natural resources of the Barongan area which is a rural area, the PPMT Team has a program to optimize the potential for local wisdom of family medicinal plants (toga), especially highly nutritious plants and baby/toddler massage. This activity was carried out using educational methods for cadres, youth, pregnant women and mothers of toddlers in Barongan Hamlet about risk factors, causal factors, prevention and management of stunting in the community. PPMT Team will train cadres, pregnant women and mothers of toddlers in utilizing highly nutritious plants that are easily found in the surrounding environment and doing Tui Na massage for toddlers. This activity is expected to support the resolution of stunting cases and prevent the emergence of new stunting cases. The results of the education and training activities carried out are an increase in knowledge about stunting, an increase in skills in empowering highly nutritious plants as a menu variation for toddlers, and skills in practicing Tui Na massage for toddlers.
Keywords: Stunting; Toga; Tui Na massage
Abstrak: Dusun Barongan merupakan bagian dari Desa Donorojo, Kecamatan Tegalrejo, Kabupaten Magelang. Pada Oktober 2022, Dusun Barongan berada pada posisi teratas jumlah kasus stunting di wilayah Desa Donorojo. Jumlah kasus stunting tercatat 8 anak dari 15 anak usia < 5 tahun. Selain itu, terdapat 2 ibu hamil yang salah satunya terdeteksi mengalami KEK (kekurangan energi kronis), sehingga berpotensi melahirkan bayi stunting. Salah satu faktor penyebab stunting adalah kurangnya pengetahuan tentang pemenuhan nutrisi di masa kehamilan dan masa balita. Melihat potensi dan sumber daya alam wilayah Barongan yang merupakan wilayah pedesaan, Tim PPMT memiliki program untuk mengoptimalkan potensi kearifan lokal tanaman obat keluarga (toga) khususnya tanaman bergizi tinggi serta pijat bayi/balita. Kegiatan ini dilaksanakan dengan metode edukasi bagi kader, remaja, serta ibu hamil dan ibu balita di Dusun Barongan tentang faktor risiko, faktor penyebab, upaya pencegahan dan tatalaksana stunting di masyarakat. Kemudian, Tim PPMT akan melatih kader, ibu hamil dan ibu balita di Dusun Barongan dalam mendayagunakan tanaman bergizi tinggi yang mudah ditemukan di lingkungan sekitar dan melakukan pijat Tui Na untuk balita. Hasil dari kegiatan edukasi dan pelatihan yang dilaksanakan adalah peningkatan pengetahuan tentang stunting, dan mendukung penuntasan kasus stunting, pencegahan munculnya kasus stunting yang baru peningkatan ketrampilan dalam pemberdayaan tanaman bergizi tinggi sebagai variasi menu bagi balita dan ketrampilan melakukan pijat Tui Na untuk balita.
Kata kunci: Pijat Tui Na; Stunting; Toga
Abstract:Abstract: One of the subdistricts in Magelang regency which has a problem with the Diabetes Mellitus Disease in the Sawangan District, especially in the area of Sawangan Public Health Center, namely Kalangan, Gondowangi…
Village. So as the resolve this problem must be done various efforts of early detection in solve the problem of Diabetes Mellitus. One of the solutions to solve this problem is the dissemination as early detection and utilization of Diabetes Mellitus herbal plants. With the socialization and utilization of herbal medicinal plants on Diabetes Mellitus, it is expected that the community can pay attention to healthy lifestyles in the future, reduce the incidence of Diabetes Mellitus in the community and can take advantage of herbal treatments around the house so that people are not dependent on chemical or synthetic treatments that have side effects in the body.
Keywords: diabetes mellitus; early detection; herbal medicinal plants
Abstrak: Salah satu Kecamatan yang ada di Kabupaten Magelang yang terdapat masalah Diabetes Mellitus yaitu Kecamatan Sawangan khususnya di wilayah kerja Puskemas Sawangan II yaitu Dusun Kalangan desa Gondowangi. Sehingga untuk mengatasi hal tersebut harus di lakukan berbagai upaya Deteksi Dini dalam mengatasi masalah Diabetes Mellitus. Salah satu dalam mengatasi masalah tersebut di lakukan sosialisasi sebagai bagian deteksi dini Diabetes Mellitus dan pemanfaatan tanaman herbal Diabetes Melitus. Dengan di adakannya sosialisasi dan pemanfaatan tanaman obat keluarga (TOGA) tentang Diabetes Melitus di harapkan mayarakat kedepannya dapat memperhatikan pola hidup sehat, mengurangi kejadian penyakit Diabetes Melitus di masyarakat dan dapat memanfaatkan pengobatan herbal di sekitar rumah agar masyarakat tidak ketergantungan dengan pengobatan kimia atau sintetik yang mempunyai efek samping dalam tubuh.
Kata kunci: deteksi dini; diabetes mellitus; tanaman obat keluarga
Abstract:Abstract: The problem of disability is now a global health problem. As a result of disability, problems affect the productivity and quality of health of individuals and the community. Persons with disabilities are not just…
st people who have physical disabilities. People with mental disorders (ODGJ) are included in a group of people with disabilities. The stigma of Indonesian society that is still very strong regarding ODGJ is not as strong as that of other people with disabilities. This should not be allowed because it will result in a violation of dignity and value. The purpose of this activity is to establish and optimize the role of Mental Health Cadres (KKJ) in the community who are trained in the early detection of mental disorders in the community. This activity was carried out in the Magelang village in the Central Magelang subdistrict, Magelang city. With a population of 6,441 people, most of the community work in the Magelang village is working in the field of community services, government & individuals. In the 2019 Magelang sub-district has 18 patients with mental disorders. The results of the activities of the formation of mental health cadres (KKJ) in the community trained as many as 15 active cadres and are able to conduct early detection of mental disorders in the community so that the number of ODGJ of Magelang village is known to be 34 people and there are 2 people at risk of mental disorders. After knowing the number of ODGJ cadres implementing to the community one of them by providing psychological knowledge for families and communities.
Keywords: disability; mental health cadres; mental disorders
Abstrak: Masalah disabilitas saat ini menjadi masalah kesehatan global. Akibat adanya masalah disabilitas mempengaruhi produktivitas dan kualitas kesehatan perseorangan maupun masyarakat. Penyandang disabilitas bukan hanya orang yang mengalami kecacatan fisik saja. Orang dengan gangguan jiwa (ODGJ) termasuk dalam golongan penyandang disabilitas. Stigma masyarakat Indonesia yang masih sangat kuat mengenai ODGJ tidak sekuat pada penyandang disabilitas lainnya. Hal ini tidak boleh dibiarkan karena akan mengakibatkan pelanggaran martabat dan nilai. Tujuan dari kegiatan ini untuk membentuk dan mengoptimalkan peran Kader Kesehatan Jiwa (KKJ) di masyarakat yang terlatih dalam melakukan deteksi dini kasus gangguan jiwa di masyarakat. kegiatan ini dilakukan dengan metode pendampingan kepada kader serta membantu para kader yang telah melakukan pelatihan tentang kesehatan jiwa. Dalam melakukan deteksi dini gangguan jiwa dimasyarakat dan pemetaan rumah penyandang disabilitas. Hasil kegiatan terbentuknya Kader Kesehatan Jiwa (KKJ) di masyarakat yang terlatih sebanyak 15 kader aktif dan mampu melakukan deteksi dini gangguan jiwa dimasyarakat sehingga diketahui jumlah ODGJ kelurahan magelang sebanyak 34 orang dan resiko gangguan jiwa ada 2 orang. Setelah diketahuinya jumlah ODGJ kader melakukan implementasi ke masyarakat salah satunya dengan cara memberikan pengetahuan psikologis bagi keluarga dan masyarakat.
Kata Kunci: disabilitas; gangguan jiwa; kader kesehatan jiwa
Abstract:Meningkatnya permintaan akan sumberdaya pangan laut di Indonesia telah mendorong pemerintah untuk mengambil langkah-langkah menambah produksi pangan laut dengan mengembangkan budidaya perikanan air payau di wilayah pesisir.…
ir. Salah satunya dengan pengembangan usaha tambak masyarakat sistem terpal bundar. Pemilihan sistem terpal bundar dianggap salah satu solusi yang cukup efektif dan efisien mengingat adanya beberapa kendala atau keterbatasan yang dimiliki oleh masyarakat khususnya di Desa Paluh Manan. Beberapa permasalahan tersebut diantaranya adalah keterbatasan jumlah dan kesesuaian lahan, modal, kualitas benur, pertumbuhan penyakit, informasi dan teknologi. Selain itu, adanya anggapan di masyarakat bahwa budidaya udang vaname akan menguntungkan jika dibudidayakan secara semi intensif dan intensif yang dalam pengoperasiannya memerlukan investasi cukup besar. Menjawab permasalahan ini, melalui penerapan budidaya udang vaname menggunakan terpal bundar maka masyarakat secara langsung sudah memangkas biaya pembelian lahan dan pembuatan tambak. Selanjutnya, melalui penerapan teknologi pendeteksi kualitas air pada aplikasi probiotik maka kekhawatiran akan tingkat keberhasilan yang rendah karena benur rentan mati baik akibat ketidaksesuaian air maupun akibat penyakit (virus dan bakteri) dapat diminimalisir semaksimal mungkin.
Abstract:Abstract: Existing IoT anomaly detection studies have achieved high classification performance, but most focus on accuracy and F1-score without explicitly controlling the false positive rate (FPR). In addition, many approaches…
oaches rely on a single detection perspective, limiting their operational reliability. To address this gap, this study proposes a hybrid anomaly detection framework integrating Long Short-Term Memory (LSTM), Shannon entropy, and autoencoder reconstruction error. Shannon entropy is incorporated as an additional feature, while LSTM and the autoencoder capture temporal and reconstruction characteristics. The resulting hybrid representation is processed by a constraint-based threshold selection mechanism that enforces FPR . Experiments on the TON-IoT and Edge-IIoTset datasets achieved average F1-scores of 0.9250 and 0.9934, while maintaining average FPR values of 0.0091 and 0.0714, respectively. Analysis of entropy distributions showed consistent differences between normal and anomalous traffic across both datasets, indicating that Shannon entropy provides discriminative information for anomaly detection. These results demonstrate strong detection performance with controlled false alarms, while ablation studies confirm the significant contribution of Shannon entropy to overall model performance.
Keywords: false positive rate; hybrid deep learning; Internet of Things; network anomaly detection; Shannon entropy
Abstrak: Penelitian deteksi anomali Internet of Things (IoT) telah menunjukkan performa klasifikasi yang tinggi, namun sebagian besar masih berfokus pada accuracy dan F1-score tanpa mengendalikan false positive rate (FPR) secara eksplisit. Selain itu, banyak pendekatan hanya memanfaatkan satu perspektif deteksi sehingga reliabilitas operasionalnya masih terbatas. Untuk mengatasi kesenjangan tersebut, penelitian ini mengusulkan kerangka deteksi anomali hybrid yang mengintegrasikan Long Short-Term Memory (LSTM), Shannon entropy, dan autoencoder reconstruction error. Shannon entropy digunakan sebagai fitur tambahan, sedangkan LSTM dan autoencoder menangkap karakteristik temporal dan deviasi rekonstruksi. Representasi hybrid yang dihasilkan kemudian diproses melalui mekanisme constraint-based threshold selection dengan batas FPR . Hasil pengujian pada dataset TON-IoT dan Edge-IIoTset menghasilkan F1-score rata-rata sebesar 0,9250 dan 0,9934, dengan FPR rata-rata sebesar 0,0091 dan 0,0714. Perbedaan nilai entropy yang konsisten antara trafik normal dan anomali pada kedua dataset menunjukkan bahwa Shannon entropy menyediakan informasi diskriminatif untuk deteksi anomali. Hasil tersebut menunjukkan performa deteksi yang kuat dengan false alarm yang terkendali, sementara studi ablasi mengonfirmasi kontribusi signifikan Shannon entropy terhadap performa model.
Kata kunci: deteksi anomali jaringan; false positive rate; hybrid deep learning; Internet of Things; Shannon entropy
Abstract:Abstract: The advancement of digital technology has made it easier to create, process, and distribute files—using 317 files from the dataset https://www.kaggle.com/datasets/axon data/selfie-and-official-id-photo-dataset-18k…
t-18k images?select=metadata_image.csv has also introduced new challenges, such as the increasing practice of digital file manipulation that is difficult to detect visually. Therefore, an intelligent digital forensics system that can automatically and accurately detect file authenticity is required. This study aims to develop an intelligent digital forensics system for detecting file manipulation by leveraging metadata analysis and the Random Forest classification method. The methods used include extracting metadata from digital files—such as time information, device details, and processing history—followed by analysis to identify patterns of inconsistency that indicate manipulation. This data is then used as features in the classification process using the Random Forest algorithm to distinguish between original and manipulated files. The results of this study are expected to show that the use of metadata analysis combined with the Random Forest algorithm can improve accuracy in detecting digital file manipulation compared to conventional methods. The resulting system is expected to provide an effective, efficient, and integrated solution to support digital forensic investigations, Based on the test results, the system demonstrated good performance with an accuracy rate of 94%.
Keywords: Digital Forensics;File Manipulation;Metadata Analysis;Random Forest;Classification;Machine Learning
Abstrak:Perkembangan teknologi digital telah meningkatkan kemudahan dalam pembuatan, pengolahan,dan distribusi file sebanyak 317 file, sumber datasets https:// www.kaggle.com/datasets/axondata/selfie-and-official-id-photo-dataset-18k-images?select =metadata_image.csv, namun juga menimbulkan tantangan baru berupa meningkatnya praktik manipulasi file digital yang sulit dideteksi secara kasat mata. Oleh karena itu, diperlukan suatu sistem forensik digital yang cerdas dan mampu mendeteksi keaslian file secara otomatis dan akurat. Penelitian ini bertujuan untuk mengembangkan sistem forensik digital cerdas untuk deteksi manipulasi file dengan memanfaatkan analisis metadata dan metode klasifikasi Random Forest. Metode yang digunakan meliputi proses ekstraksi metadata dari file digital, seperti informasi waktu, perangkat, dan riwayat pengolahan, kemudian dilakukan analisis untuk menemukan pola ketidaksesuaian yang mengindikasikan adanya manipulasi. Selanjutnya, data tersebut digunakan sebagai fitur dalam proses klasifikasi menggunakan algoritma Random Forest untuk membedakan antara file asli dan file yang telah dimanipulasi. Hasil dari penelitian ini diharapkan menunjukkan bahwa penggunaan analisis metadata yang dikombinasikan dengan algoritma Random Forest mampu meningkatkan akurasi dalam mendeteksi manipulasi file digital dibandingkan metode konvensional. Sistem yang dihasilkan dapat memberikan solusi yang efektif, efisien, dan terintegrasi dalam mendukung proses investigasi forensik digital, Berdasarkan hasil pengujian, sistem menunjukkan performa yang baik dengan tingkat akurasi sebesar 94%.
Kata Kunci: Forensik Digital, Manipulasi File, Metadata, Random Forest, Klasifikasi, Machine Learning.
Abstract:Abstract: Anomalous sound detection is essential for industrial predictive maintenance, as machine failures often originate from subtle acoustic changes during operation. However, high background noise and limitations of…
conventional Convolutional Neural Networks (CNN) reduce detection reliability. This study proposes a 1D-CNN-based anomaly detection framework with multi-view feature fusion and temporal segmentation to enhance detection performance. The approach combines MFCC, Log-Mel Spectrogram, and Chroma STFT features, while temporal segmentation divides audio signals into 5-second segments to better capture transient anomalies. Experiments on the MIMII dataset under varying Signal-to-Noise Ratio (SNR) conditions show that MFCC and Log-Mel fusion achieves the best performance, with 97.90% accuracy and ROC-AUC of 0.9789. The model maintains accuracy above 90% at −6 dB, demonstrating strong robustness in noisy industrial environments.
Keywords: industrial anomaly detection; 1D-CNN; multi-view feature fusion; temporal segmentation; MIMII dataset.
Abstrak: Deteksi anomali suara merupakan komponen penting dalam sistem pemeliharaan prediktif industri, karena kegagalan mesin sering diawali oleh perubahan akustik yang bersifat halus selama proses operasi. Namun, tingkat kebisingan yang tinggi serta keterbatasan arsitektur Convolutional Neural Network (CNN) konvensional dapat menurunkan keandalan deteksi. Penelitian ini bertujuan mengusulkan kerangka deteksi anomali berbasis 1D-CNN yang mengintegrasikan strategi fusi fitur multi-view dan segmentasi temporal untuk meningkatkan kinerja deteksi. Pendekatan yang digunakan menggabungkan fitur MFCC, Log-Mel Spectrogram dan Chroma STFT, sementara teknik temporal splitting membagi sinyal audio menjadi segmen berdurasi 5 detik untuk menangkap anomali yang bersifat sementara. Eksperimen menggunakan dataset MIMII pada berbagai kondisi Signal-to-Noise Ratio (SNR) menunjukkan bahwa kombinasi MFCC dan Log-Mel Spectrogram menghasilkan kinerja terbaik dengan akurasi 97,90% dan ROC-AUC sebesar 0,9789. Model juga mempertahankan akurasi di atas 90% pada kondisi kebisingan ekstrem (−6 dB) yang menunjukkan ketahanan yang baik dalam lingkungan industri yang bising.
Kata kunci: deteksi anomali industri; 1D-CNN; fusi fitur multi-view; segmentasi temporal; dataset MIMII
Abstract:Abstract: The development of information and communication technology has driven digital transformation in various sectors, including agriculture. One of the technologies widely applied is the Internet of Things (IoT), which…
hich enables devices to be interconnected through the internet to perform monitoring and data exchange in real time. In hydroponic cultivation, water quality stability is a crucial factor that affects plant growth. The main parameters that need to be monitored include water acidity level (pH), water temperature, and dissolved nutrient concentration measured using Total Dissolved Solids (TDS). However, water quality monitoring is still commonly conducted manually, making it less efficient and potentially causing delays in detecting changes in water conditions. This study aims to design an IoT-based water quality monitoring system for hydroponic cultivation using an ESP32 microcontroller integrated with pH, temperature, and TDS sensors. The collected data are sent to a server and displayed on a web dashboard in real time, equipped with automatic notification features. The proposed system is expected to improve monitoring efficiency and increase the productivity of hydroponic cultivation
Keywords: esp32; hydroponics; internet of things; real-time monitoring; water quality.
Abstrak: Perkembangan teknologi informasi dan komunikasi mendorong transformasi digital dalam berbagai sektor, termasuk pertanian. Salah satu teknologi yang banyak diterapkan adalah Internet of Things (IoT) yang memungkinkan perangkat saling terhubung melalui jaringan internet untuk melakukan pemantauan dan pertukaran data secara real-time. Pada budidaya hidroponik, kestabilan kualitas air menjadi faktor penting yang mempengaruhi pertumbuhan tanaman. Parameter utama yang perlu diperhatikan meliputi tingkat keasaman air (pH), suhu air, serta konsentrasi nutrisi terlarut yang diukur menggunakan Total Dissolved Solids (TDS). Namun, pemantauan kualitas air masih banyak dilakukan secara manual sehingga kurang efisien dan berpotensi menimbulkan keterlambatan dalam mendeteksi perubahan kondisi air. Penelitian ini bertujuan merancang sistem pemantauan kualitas air hidroponik berbasis IoT menggunakan mikrokontroler ESP32 yang terintegrasi dengan sensor pH, suhu, dan TDS. Data dikirim ke server dan ditampilkan pada web dashboard secara real-time serta dilengkapi notifikasi otomatis. Sistem ini diharapkan meningkatkan efisiensi pemantauan dan produktivitas budidaya hidroponik.
Kata kunci: esp32; hidroponik; internet of things; kualitas air; monitoring real-time
Abstract:Abstract: Mental health issues, particularly depression among young adult university students, are often detected late due to stigma and reluctance to seek medical consultation. The objective of this study is to develop…
an early screening model employing machine learning techniques, specifically the random forest algorithm, on a dataset of 268 students (aged 17-29 years; consisting of 98 males and 170 females) within a multicultural educational setting. The principal challenges associated with this dataset are class imbalance and the potential for data leakage from clinical scores. This study implements a rigorous feature selection approach that involves the elimination of depression score features and the utilization of the Synthetic Minority Over-sampling Technique (SMOTE) to balance the training data distribution. Furthermore, a Threshold Tuning strategy is employed to prioritize detection sensitivity (Recall). The findings indicate that reducing the decision threshold to an optimal value of 0.25 led to a substantial enhancement in the recall value, increasing it from 36% (baseline) to 77%. A feature importance analysis was conducted, the results of which indicated that Total Social Connectedness (ToSC) is the most dominant predictor. In summary, the present study corroborates the notion that optimizing sensitivity through threshold tuning is of paramount importance for medical screening. Furthermore, social isolation factors emerge as more significant indicators of depression risk than demographic attributes.
Keywords: data mining; depression; imbalanced data; random forest; smote; threshold tuning
Abstrak: Masalah kesehatan mental, khususnya depresi di kalangan mahasiswa dewasa muda, sering terdeteksi terlambat akibat stigma dan enggan mencari konsultasi medis. Tujuan studi ini adalah mengembangkan model skrining dini menggunakan teknik machine learning, khususnya algoritma random forest, pada dataset 268 mahasiswa (usia 17-29 tahun; terdiri dari 98 laki-laki dan 170 perempuan) dalam lingkungan pendidikan multikultural. Tantangan utama yang terkait dengan dataset ini adalah ketidakseimbangan kelas dan potensi kebocoran data dari skor klinis. Studi ini menerapkan pendekatan seleksi fitur yang ketat, yang melibatkan eliminasi fitur skor depresi dan penggunaan Teknik Over-sampling Minoritas Sintetis (SMOTE) untuk menyeimbangkan distribusi data pelatihan. Selain itu, strategi Penyesuaian Ambang Batas diterapkan untuk memprioritaskan sensitivitas deteksi (Recall). Hasil penelitian menunjukkan bahwa mengurangi ambang batas keputusan ke nilai optimal 0,25 menyebabkan peningkatan signifikan dalam nilai recall, dari 36% (dasar) menjadi 77%. Analisis pentingnya fitur dilakukan, hasilnya menunjukkan bahwa Total Social Connectedness (ToSC) adalah prediktor yang paling dominan. Secara ringkas, studi ini membenarkan bahwa mengoptimalkan sensitivitas melalui penyesuaian ambang batas sangat penting untuk skrining medis. Selain itu, faktor isolasi sosial muncul sebagai indikator risiko depresi yang lebih signifikan daripada atribut demografis.
Kata kunci: penambangan data; depresi; data tidak seimbang; hutan acak; smote; penyesuaian ambang batas
Abstract:Abstract: Human metapneumovirus (HMPV) poses a global health threat, but its detection remains challenging due to limited environmental monitoring. This study aims to develop a portable diagnostic tool for rapid HMPV detection…
ection by integrating cutting-edge biotechnology (CRISPR-Cas system and immunoassay) with air quality sensors on an Internet of Things (IoT)-based microfluidic platform controlled by an ESP32 microcontroller. The system is supported by a companion application and data analysis using Vertex AI, and is capable of providing results in less than fifteen minutes. The development results demonstrate the potential for improving detection accuracy and reliability, particularly with further development of virus-specific biosensors, sensor optimization, and algorithms. This technology is effective as a complementary tool for early screening and environment-based risk management in areas with limited laboratory facilities, although it does not completely replace molecular diagnostic methods such as PCR. A rapid diagnostic approach based on environmental sensors, IoT, and artificial intelligence is a promising strategy to improve early HMPV detection, accelerate public health responses, and strengthen respiratory infection prevention through integrated environmental monitoring and education functions.
Keywords: air quality; CRISPR-Cas; Human Metapneumovirus (HMPV); Internet of Things, portable diagnostic; public health; rapid detection; sensors.
Abstrak: Human metapneumovirus (HMPV) merupakan ancaman bagi kesehatan global, namun pendeteksiannya masih sulit akibat keterbatasan pemantauan lingkungan. Studi ini bertujuan mengembangkan alat diagnostik portabel untuk deteksi cepat HMPV melalui integrasi bioteknologi mutakhir (sistem CRISPR-Cas dan immunoassay) dengan sensor kualitas udara pada platform mikrofluida berbasis Internet of Things (IoT) yang dikendalikan mikrokontroler ESP32. Sistem ini didukung aplikasi pendamping dan analisis data menggunakan Vertex AI, serta mampu memberikan hasil dalam waktu kurang dari lima belas menit. Hasil pengembangan menunjukkan potensi peningkatan akurasi dan keandalan deteksi, terutama dengan pengembangan lanjutan berupa biosensor spesifik virus, optimalisasi sensor, dan algoritma. Teknologi ini efektif sebagai alat pelengkap untuk skrining awal dan manajemen risiko berbasis lingkungan di wilayah dengan keterbatasan fasilitas laboratorium, meskipun tidak sepenuhnya menggantikan metode diagnostik molekuler seperti PCR. Pendekatan diagnostik cepat berbasis sensor lingkungan, IoT, dan kecerdasan buatan menjadi strategi menjanjikan untuk meningkatkan deteksi dini HMPV, mempercepat respons kesehatan masyarakat, serta memperkuat pencegahan infeksi saluran pernapasan melalui fungsi pemantauan dan edukasi lingkungan yang terintegrasi.
Kata kunci: CRISPR-Cas; diagnostik portabel; deteksi cepat; Human Metapneumovirus (HMPV); kesehatan masyarakat; IoT (Internet of Things); sensor kualitas udara.