Penyakit jantung merupakan penyebab kematian tertinggi secara global. Secara signifikan di Indonesia sekitar 1.017.290 masyarakat indonesia menderita penyakit jantung. Aritmia merupakan salah satu gangguan jantung yang banyak dialami oleh seseorang yang terjadi karena abnormalitas penjalaran impuls listrik ke miokardium. Secara garis besar aritmia terdiri atas dua kelompok besar, yaitu bradiaritmia yang dicirikan dengan laju jantung yang terlalu lambat (kurang dari 60 kali per menit) dan takikardia yang dicirikan dengan laju jantung yan terlalu cepat (lebih dari100 kali per menit).
Saat ini pemeriksaan jantung pada umumnya dilakukan di rumah sakit dengan mengunjungi dokter spesialis jantung dan harus di lakukan oleh tenaga medis yang sudah berkompeten. Hal tersebut akan memakan banyak waktu serta biaya, terlebih pemantauan HRV hanya bisa dilakukan ketika pemeriksaan sedang berlangsung. Heart Rate Variability (HRV), yaitu variasi interval waktu antara detak jantung yang berturut-turut dan menggambarkan fluktuasi kecil dalam jumlah waktu antara setiap detak jantung, di mana selisihnya dapat menambah atau mengurangi sepersekian detik di antara detak. Oleh karena itu, kami telah mengembangkan perangkat wearable untuk monitoring HRV yang mampu mengklasifikasi detak jantung menjadi teratur atau tidak teratur menggunakan Random Forest Classifier dengan tingkat akurasi mencapai 89%. Perangkat ini terhubung dengan aplikasi mobile yang memungkinkan pemantauan secara real-time. Selain itu, hasil perhitungan time domain analysis—termasuk Mean Pulse Interval (MPI), Standard Deviation of Pulse Interval (SDPI), Root Mean Square of Successive Differences (RMSSD), pNN50, dan beat per minute (BPM)—ditampilkan dalam aplikasi, dengan layar perangkat menampilkan status detak jantung sebagai "teratur" atau "tidak teratur" serta nilai BPM. Inovasi ini diharapkan dapat memberikan solusi pemantauan aritmia yang akurat, praktis, dan terjangkau untuk penggunaan sehari-hari.
Kata kunci: Penyakit Jantung, Aritmia, Perangkat Wearable, Monitoring HRV, Random Forest, Time Domain Analysis