"Perancangan ini memudahkan tata letak komponen secara fleksibel yang tidak mengganggu aktivitas pengguna," katanya.
Dalam proses pembuatannya, tim melakukan pembagian kerja berdasarkan subsistem alat untuk memastikan keseluruhan sistem dapat bekerja dengan baik. Subsistem yang dibentuk berupa pembacaan sensor dan pembacaan pengguna.
"Setiap anggota merakit komponen sesuai bagian masing-masing dan mengintegrasikan dengan jasa kurir dalam mengirim seluruh komponen," kata Enzy.
Proses tersebut kemudian berlanjut dengan pembuatan aplikasi pada ponsel pintar, memberi label pada data, serta melatih kecerdasan buatan yang dilakukan bersama-sama oleh tim secara daring. Untuk memastikan performa dari algoritma deep learning dalam klasifikasi masukan sinyal jantung, Enzy dan timnya melakukan pengujian kepada pengguna dengan berbagai kondisi aktivitas seperti duduk, berjalan, dan berlari.
Dari hasil pengujian, rompi detektor serangan jantung tersebut mampu beroperasi dengan akurasi klasifikasi sebesar 90 persen dan memberikan hasil pembacaan yang baik ketika digunakan saat istirahat ataupun beraktivitas. "Sehingga keseluruhan sistem mampu mendukung pertolongan cepat tanggap melalui integrasi antara rompi dengan aplikasi," katanya.