Kesehatan mental dan perkembangan saraf anak telah menjadi fokus perhatian global dalam dunia medis dan teknologi modern. Salah satu gangguan perkembangan saraf yang mengalami peningkatan diagnosis secara global adalah Autism Spectrum Disorder (ASD). Individu dengan ASD dicirikan oleh hambatan konsisten pada komunikasi sosial, interaksi interpersonal, serta adanya pola perilaku yang repetitif dan restriktif. Namun, di luar karakteristik perilaku eksternal tersebut, terdapat tantangan internal yang jauh lebih kompleks dan sering kali tidak kasat mata, yaitu gangguan pemrosesan sensorik (Sensory Processing Disorder).

Anak-anak dengan autisme memiliki ambang batas toleransi yang sangat berbeda terhadap stimulasi lingkungan dibandingkan dengan anak-anak tipikal. Stimulus sehari-hari yang dianggap normal oleh masyarakat awam seperti suara bising klakson kendaraan, pancaran cahaya lampu neon yang berkedip, tekstur pakaian tertentu, hingga kepadatan situasi di ruang publik dapat dipersepsikan oleh sistem saraf anak autisme sebagai ancaman yang luar biasa besar. Ketika otak mereka dibanjiri oleh informasi sensorik yang gagal disaring, anak akan mengalami kondisi yang disebut sebagai sensory overload.

Masalah kritis dari fenomena sensory overload ini adalah keterbatasan komunikasi verbal yang dimiliki oleh sebagian besar anak autisme. Mereka kerap kesulitan untuk mengartikulasikan, mengekspresikannya, atau sekadar memberi tahu orang di sekitarnya bahwa mereka sedang berada dalam kondisi tidak nyaman atau mengalami kecemasan ekstrem. Karena tidak adanya saluran komunikasi verbal untuk merilis tekanan tersebut, stres biologis di dalam tubuh anak akan terus menumpuk tanpa disadari oleh pengasuhnya.

Akumulasi stres yang mencapai titik jenuh ini pada akhirnya bermanifestasi menjadi meltdown atau tantrum berat. Meltdown bukanlah bentuk perilaku manja atau disengaja, melainkan sebuah respons pertahanan biologis otonom yang tidak terkendali di mana anak mengekspresikan frustrasinya melalui teriakan, gerakan agresif, hingga perilaku menyakiti diri sendiri (self-injurious behavior) seperti membenturkan kepala ke dinding. Kejadian ini tidak hanya mengancam keselamatan fisik anak, tetapi juga menciptakan trauma emosional yang mendalam bagi mereka.

Di sisi lain, ketidakpastian kapan terjadinya meltdown ini berdampak buruk pada psikologis orang tua atau caregiver. Pengasuh anak autisme dituntut untuk selalu berada dalam kondisi waspada secara terus-menerus (hyper-vigilance), yang secara klinis terbukti memicu peningkatan parenting stress dan beban pengasuhan kronis (caregiver burden). Orang tua sering kali merasa terisolasi secara sosial karena takut membawa anak mereka ke ruang publik.

Oleh karena itu, kebutuhan akan sebuah alat penerjemah kondisi emosional yang objektif, non-invasif, dan bekerja secara real-time menjadi sangat krusial. Melalui pemanfaatan teknologi Internet of Things (IoT) dan sensor pintar, proyek CalmiSense dirancang untuk menjembatani jurang komunikasi verbal tersebut. Dengan mendeteksi tanda-tanda awal perubahan biologis tubuh sebelum meltdown terjadi, teknologi ini memberikan kesempatan bagi orang tua untuk melakukan intervensi dini, memindahkan anak ke lingkungan yang lebih aman, dan mereduksi risiko tantrum berat secara preventif.

Pengembangan sistem CalmiSense didasarkan pada pemahaman mendalam mengenai bagaimana tubuh manusia merespons stres secara biologis. Ketika seorang anak dengan ASD mengalami sensory overload, otak mereka (khususnya amigdala) mengaktifkan sistem saraf simpatik sebagai bagian dari respons fight-or-flight. Aktivasi sistem saraf simpatik ini secara otomatis memicu serangkaian perubahan fisiologis yang bersifat involunter (tidak disadari) dan dapat diukur secara kuantitatif melalui biosensor.

Parameter fisiologis pertama yang paling responsif adalah variabilitas dan frekuensi detak jantung (Heart Rate). Di bawah tekanan psikologis atau ketakutan ekstrem, hormon adrenalin dilepaskan ke dalam aliran darah, menyebabkan nodus sinoatrial di jantung meningkatkan laju pemompaan darah secara instan. Peningkatan detak jantung ini terjadi secara mendadak dan memiliki pola gelombang yang berbeda dibandingkan dengan peningkatan detak jantung yang disebabkan oleh aktivitas fisik biasa seperti berolahraga.

Parameter kedua adalah aktivitas elektrodermal yang diukur melalui Galvanic Skin Response (GSR). Sistem saraf simpatik mengontrol langsung kelenjar keringat ekrin yang tersebar padat di telapak tangan dan pergelangan tangan manusia. Ketika anak mengalami kecemasan emosional, kelenjar ini akan memproduksi lapisan keringat mikroskopis. Meskipun keringat tersebut mungkin belum kasat mata, keberadaan cairan yang kaya akan ion ini secara drastis meningkatkan konduktansi listrik pada permukaan kulit. Perubahan mikro-muatan listrik inilah yang menjadi indikator paling sensitif dan valid dalam mendeteksi stres emosional secara instan.

Selain aspek fisiologis, tinjauan pustaka CalmiSense juga sangat menitikberatkan pada aspek ergonomi dan psikologi desain yang ramah anak berkebutuhan khusus (Children-Centric IoT Design). Anak-anak dengan autisme sering kali mengalami hipersensitivitas taktil, di mana kulit mereka sangat peka dan mudah merasa risih atau terganggu oleh benda asing yang menempel pada tubuh mereka.

CalmiSense mengintegrasikan tiga jenis sensor input yang bekerja secara simultan untuk menghasilkan data pemantauan yang komprehensif, yaitu Heart Rate Sensor, Motion Sensor, dan Temperature Sensor. Ketiga sensor ini ditempatkan pada posisi strategis di sisi bawah perangkat wearable agar bersentuhan langsung dengan kulit pergelangan tangan anak tanpa memberikan tekanan yang berlebihan.

Heart Rate Sensor (Sensor PPG): Sensor ini menggunakan prinsip kerja Photoplethysmography (PPG), sebuah teknologi optik non-invasif yang memanfaatkan pemancar cahaya (LED) dan penerima cahaya (fotodioda). LED akan menyorotkan cahaya dengan panjang gelombang tertentu menembus lapisan dermis kulit pergelangan tangan. Setiap kali jantung berdenyut, terjadi gelombang tekanan darah yang mengubah volume pembuluh darah kapiler di area tersebut. Perubahan volume darah ini akan memengaruhi jumlah cahaya yang diserap dan dipantulkan kembali ke fotodioda. Sensor PPG kemudian mengonversi fluktuasi pantulan cahaya tersebut menjadi sinyal listrik yang merepresentasikan grafik detak jantung (Heart Rate dalam satuan BPM) secara real-time.

Motion Sensor (Sensor Gerak): Sensor ini umumnya berbasis Inertial Measurement Unit (IMU) yang mengombinasikan akselerometer 3-sumbu (X, Y, Z) dan giroskop. Fungsi utama dari Motion Sensor di dalam ekosistem CalmiSense adalah sebagai filter validasi data dan penentu konteks aktivitas fisik anak. Salah satu kelemahan terbesar sistem deteksi stres berbasis detak jantung adalah terjadinya kesalahan pembacaan (false positive), di mana detak jantung anak meningkat tinggi hanya karena mereka sedang aktif berlari, melompat, atau bermain gembira. Dengan adanya sensor gerak, sistem dapat menganalisis apakah lonjakan detak jantung yang terjadi dibarengi oleh pola pergerakan fisik yang wajar atau terjadi saat anak dalam posisi diam/statis. Jika detak jantung melonjak tajam namun sensor gerak menunjukkan aktivitas fisik yang minim, hal ini menjadi indikasi kuat bahwa lonjakan tersebut dipicu oleh faktor emosional (stres/panik), bukan aktivitas fisik. Selain itu, sensor ini juga mampu mendeteksi gerakan motorik berulang (stereotypical stimming) yang sering kali dilakukan anak autisme sebagai mekanisme pertahanan mandiri saat mereka mulai merasa tidak nyaman.

Temperature Sensor (Sensor Suhu Kulit): Sensor ini memanfaatkan termistor presisi tinggi untuk mengukur fluktuasi suhu pada permukaan kulit pergelangan tangan secara konstan. Secara biologis, ketika seseorang mengalami serangan panik atau stres berat, terjadi proses vasokonstriksi perifer, yaitu penyempitan pembuluh darah di bagian ujung ekstremitas tubuh (seperti tangan dan kaki) akibat dialihkannya aliran darah ke organ-organ vital (jantung dan otot besar) sebagai respons bertahan hidup. Penyempitan pembuluh darah ini sering kali diikuti dengan penurunan suhu kulit permukaan secara halus namun cepat, disertai dengan munculnya keringat dingin. Data fluktuasi suhu ini berfungsi sebagai parameter tersier yang memperkaya matriks analisis data biologis anak.

Dengan menggabungkan ketiga parameter sensor ini—frekuensi detak jantung dari PPG, orientasi serta pola gerakan dari IMU, dan fluktuasi suhu permukaan kulit—CalmiSense berhasil membangun sebuah sistem Validasi Data Ganda (Multi-Sensor Fusion). Pendekatan multi-sensor ini meminimalkan margin kesalahan klasifikasi, memastikan bahwa setiap peringatan yang dikeluarkan oleh sistem memiliki akurasi klinis yang dapat dipertanggungjawabkan dan sesuai dengan kondisi psikologis anak yang sebenarnya.

Pada tahap awal, ketiga sensor input mengumpulkan data mentah fisiologis langsung dari tubuh anak. Data mentah ini tidak langsung dikirimkan ke server luar, melainkan disalurkan ke komponen mikrokontroler utama yang tertanam di dalam gelang, yaitu modul ESP32. Penggunaan mikrokontroler ini menjadi kunci utama dari penerapan teknologi Edge Computing (Komputasi Tepi) pada CalmiSense. Di dalam memori mikrokontroler ESP32 yang terbatas, ditanamkan sebuah model kecerdasan buatan ringkas (Embedded Machine Learning Model atau TinyML) yang telah dilatih sebelumnya menggunakan dataset pola biologis stres anak autisme.

Model ML lokal ini bertugas mengeksekusi proses komputasi dan analisis data secara instan untuk melakukan klasifikasi kondisi anak ke dalam dua status utama: Normal atau Panik. Keunggulan utama dari arsitektur edge computing ini adalah minimnya latensi (penundaan waktu) pemrosesan. Karena data dianalisis langsung di perangkat gelang tanpa perlu menunggu proses pengiriman dan respons dari server internet, keputusan klasifikasi status dapat diambil dalam hitungan milidetik. Hal ini sangat krusial karena dalam skenario penanganan sensory overload, keterlambatan hitungan detik dapat membedakan antara keberhasilan intervensi dini atau terjadinya meltdown penuh yang tidak terkendali. Selain itu, sistem tetap dapat berfungsi melakukan deteksi lokal meskipun anak berada di area yang tidak memiliki sinyal internet (kondisi offline).

Secara keseluruhan, sistem CalmiSense bekerja dengan mengalirkan data mentah dari ketiga komponen sensor input tersebut menuju mikrokontroler utama sebagai pusat pemrosesan lokal. Di dalam mikrokontroler ini, tertanam Machine Learning (ML) Model yang mengeksekusi proses komputasi untuk melakukan klasifikasi kondisi anak ke dalam status “Normal” atau “Panik”. Apabila model ML mendeteksi kondisi anomali yang dikategorikan sebagai “Panik”, sistem akan langsung memicu pengiriman data ke Cloud Server untuk penyimpanan data (Data Storage) serta analisis historis (Historical Analysis), sekaligus mengaktifkan Real-Time Alert berupa pembaruan indikator pada Status Display perangkat dan pengiriman Alert Notification. Sinyal peringatan darurat tersebut kemudian diteruskan secara instan menuju komponen User Interface pada aplikasi seluler (Mobile App) di ponsel orang tua atau caregiver agar tindakan intervensi dini dapat segera dilakukan sebelum anak mengalami fase meltdown penuh.

Melalui integrasi cerdas antara tiga sensor fisiologis dan model Machine Learning lokal, CalmiSense hadir sebagai inovasi teknologi preventif yang sangat krusial dalam menjembatani hambatan komunikasi pada anak autisme. Sistem ini tidak hanya memindahkan proses pemantauan ke ranah digital, tetapi juga mentransformasi data biologis yang abstrak menjadi tindakan mitigasi yang nyata dan terarah bagi orang tua atau caregiver. Dengan memberikan prediksi dan peringatan dini sebelum anak mencapai fase meltdown penuh, proposal proyek CalmiSense ini membawa potensi besar untuk menciptakan lingkungan yang lebih aman, inklusif, dan terkendali, sekaligus meningkatkan kualitas hidup serta kedamaian psikologis bagi anak maupun keluarga yang mendampinginya.