Skip to content
Kembali ke hasil pencarian

Pengumpulan Data Sensor — Pengumpulan Data Berbasis Sensor

Diperkenalkan oleh
Multidisciplinary; sensor networks formalized in engineering and computer science from the 1990s onward
Tahun
1990s–2000s (widespread deployment with IoT ~2000s)
Jenis
Quantitative / mixed data collection technique
Keluarga
Data collection

Teks ini adalah terjemahan mesin dan belum ditinjau. Baca versi asli dalam bahasa Inggris

Ukuran huruf

Apa fungsinya?

Pengumpulan data sensor menggunakan instrumen fisik atau digital untuk secara otomatis menangkap pengukuran kuantitatif dari lingkungan, tubuh manusia, atau mesin dari waktu ke waktu.

Sensor umum mengukur suhu, gerakan, detak jantung, lokasi, cahaya, suara, atau sifat kimia. Karena perekaman bersifat otomatis dan berkelanjutan, metode ini dapat menghasilkan kumpulan data berfrekuensi tinggi dengan beban peneliti minimal, menjadikannya pusat bagi IoT, pemantauan lingkungan, penelitian perangkat yang dapat dikenakan, dan studi perilaku.

Intuisi di balik metode

Bayangkan memasang akselerometer kecil di pergelangan tangan pekerja: setiap sepersekian detik, akselerometer tersebut secara diam-diam mencatat data gerakan tanpa meminta pekerja untuk berhenti dan mengisi formulir. Itulah daya tarik inti dari pengumpulan data sensor — metode ini menangkap apa yang sebenarnya terjadi di dunia daripada apa yang diingat atau dilaporkan oleh peserta. Peneliti merancang penempatan sensor dan aturan pengambilan sampel terlebih dahulu, dan instrumen melakukan pengamatan. Data deret waktu yang dihasilkan bisa padat, objektif, dan bebas dari bias ingatan, tetapi memerlukan kalibrasi dan pra-pemrosesan yang cermat sebelum data tersebut berguna secara analitis.

Sejarah

Penggunaan instrumen secara sistematis untuk pengukuran ilmiah berasal dari sains modern awal, tetapi pengumpulan data sensor jaringan sebagai paradigma penelitian yang berbeda muncul pada tahun 1990-an dengan pengembangan jaringan sensor nirkabel dalam ilmu komputer dan teknik. Artikel Chong dan Kumar tahun 2003 di IEEE Proceedings banyak dikutip sebagai survei dasar bidang ini. Proliferasi sensor MEMS yang diminaturisasi, smartphone, dan platform IoT mulai pertengahan 2000-an membuat pengumpulan data berbasis sensor dapat diakses oleh ilmuwan sosial, kesehatan, dan perilaku. Pelacak kebugaran yang dapat dikenakan dan sistem penilaian momenter ekologis memformalkan penggunaannya dalam psikologi dan kesehatan masyarakat.

Kapan digunakan

Gunakan pengumpulan data sensor ketika pertanyaan penelitian memerlukan pengukuran objektif, berkelanjutan, atau berfrekuensi tinggi dari fenomena fisik atau fisiologis yang tidak dapat ditangkap secara andal melalui laporan diri — misalnya, pemantauan aktivitas fisik, paparan lingkungan, kualitas tidur, atau kinerja mesin. Metode ini sangat berharga dalam desain longitudinal di mana survei harian atau mingguan akan menciptakan beban peserta yang tidak dapat diterima. Jangan gunakan ketika fenomena yang diminati secara inheren bersifat subjektif (sikap, makna, keyakinan) atau ketika biaya dan kompleksitas teknis penerapan sensor melebihi nilai data; dalam kasus tersebut, survei, wawancara, atau penilaian momenter ekologis dengan item laporan diri mungkin lebih sesuai.

Batasan dan pertimbangan

  • Sensor mengukur proksi, bukan fenomena secara langsung; menyimpulkan perilaku atau keadaan dari sinyal mentah memerlukan algoritma yang divalidasi.
  • Biaya peralatan, upaya kalibrasi, dan keahlian teknis menciptakan hambatan penyiapan yang tinggi dibandingkan dengan metode kuesioner.
  • Volume data bisa sangat besar, menuntut penyimpanan yang substansial, infrastruktur pemrosesan, dan keterampilan analitis.
  • Risiko privasi dan etika meningkat ketika mengumpulkan data lokasi, biometrik, atau perilaku berkelanjutan dari peserta manusia.

Syarat dari sumber tidak menggantikan tinjauan ilmiah independen atau validasi oleh mesin analisis.

Kelebihan

  • Menyediakan pengukuran objektif dan otomatis yang menghilangkan bias ingatan dan efek keinginan sosial.
  • Memungkinkan resolusi temporal tinggi — penangkapan data berkelanjutan atau mendekati berkelanjutan yang tidak dapat dicapai oleh survei.
  • Skalabilitas baik: satu penerapan dapat memantau puluhan atau ratusan peserta atau lokasi secara bersamaan.
  • Mendukung desain longitudinal dan dunia nyata (ekologis) dengan beban minimal yang berkelanjutan pada peserta atau peneliti.
  • Menghasilkan kumpulan data yang dapat direproduksi dan diarsipkan yang dapat dianalisis ulang untuk pertanyaan penelitian sekunder.

Penerapan

  • Memantau aktivitas fisik dan perilaku sedenter dalam kesehatan masyarakat dan ilmu olahraga menggunakan akselerometer yang dikenakan di pergelangan tangan.
  • Pemantauan lingkungan berkelanjutan terhadap kualitas udara, suhu, atau tingkat kebisingan dalam studi perkotaan dan kesehatan kerja.
  • Penelitian tidur menggunakan aktigrafi pergelangan tangan untuk merekam siklus tidur-bangun secara objektif selama beberapa malam.
  • IoT Industri: mencatat getaran mesin, suhu, dan parameter operasional untuk memprediksi kebutuhan pemeliharaan.
  • Ekologi perilaku dan penelitian satwa liar menggunakan kerah GPS dan biologger untuk melacak pergerakan dan fisiologi hewan.
  • Penelitian perilaku mengemudi menggunakan sensor diagnostik on-board (OBD) untuk merekam kecepatan, pengereman, dan akselerasi dalam studi naturalistik.

Cara kerjanya

Cara kerjanya

1

Peneliti menentukan fenomena yang akan diukur, memilih jenis sensor yang sesuai, menentukan laju dan durasi pengambilan sampel, serta mendefinisikan unit analisis (individu, lokasi, perangkat). Pertimbangan etis dan privasi ditangani — terutama penting ketika mengumpulkan data biometrik atau lokasi dari peserta manusia.

2

Sensor dipasang atau dilekatkan secara fisik (pada tubuh, di ruang, pada mesin) dan dikonfigurasi. Kalibrasi dilakukan untuk memastikan pengukuran akurat dan konsisten di seluruh perangkat. Uji coba awal memverifikasi bahwa data direkam dengan benar dan bahwa masa pakai baterai, konektivitas, dan kapasitas penyimpanan cukup untuk durasi studi.

3

Sensor secara otomatis merekam pembacaan pada interval yang ditentukan atau sebagai respons terhadap peristiwa (misalnya, gerakan terdeteksi, ambang batas terlampaui). Data dapat disimpan secara lokal di perangkat, dialirkan ke server secara real-time, atau ditransmisikan dalam batch. Pemantauan selama periode pengumpulan mendeteksi kegagalan sensor, penurunan konektivitas, atau celah yang tidak terduga.

4

Aliran data sensor mentah dibersihkan untuk menghilangkan noise, outlier, dan artefak yang disebabkan oleh malfungsi sensor, gerakan tubuh, atau interferensi lingkungan. Jendela data yang hilang diidentifikasi dan ditangani (imputasi atau pengecualian). Unit distandarisasi dan stempel waktu diselaraskan di berbagai saluran sensor.

5

Data bersih disimpan dalam format terstruktur (basis data deret waktu, file datar, atau penyimpanan kolom) dengan metadata yang mendokumentasikan model sensor, versi firmware, penempatan, dan parameter kalibrasi. Catatan provenance data memungkinkan reproduktifitas dan mendukung analisis sekunder atau pengarsipan di kemudian hari.

Kesalahan umum

  • Melewatkan kalibrasi — sensor yang tidak terkalibrasi menimbulkan kesalahan sistematis yang tidak dapat diperbaiki dalam analisis; selalu bandingkan dengan referensi yang diketahui sebelum dan sesudah penerapan.
  • Mengabaikan pola kehilangan data — penghentian karena kegagalan baterai atau masalah konektivitas jarang bersifat acak; memperlakukan jendela yang hilang seolah-olah hilang secara acak dapat membiaskan kesimpulan.
  • Mencampuradukkan sinyal sensor dengan konstruk — jumlah akselerometer mentah bukanlah aktivitas fisik; pastikan algoritma atau ambang batas yang digunakan untuk menyimpulkan konstruk target divalidasi untuk populasi dan konteks Anda.
  • Meremehkan waktu pra-pemrosesan — pembersihan dan rekayasa fitur secara rutin menghabiskan lebih banyak waktu proyek daripada analisis; anggarkan secara eksplisit.
  • Prosedur persetujuan yang tidak memadai — pemantauan berkelanjutan pasif memerlukan pengungkapan yang jelas kepada peserta dan mekanisme keluar yang mudah; kegagalan untuk menyediakan ini menciptakan eksposur etis dan hukum.

Pertanyaan yang sering diajukan

Bagaimana pengumpulan data sensor berbeda dari penilaian momenter ekologis (EMA)?

EMA meminta peserta untuk memberikan laporan diri pada saat-saat acak atau terjadwal dalam kehidupan sehari-hari; EMA menangkap pengalaman subjektif. Pengumpulan data sensor merekam sinyal fisik atau fisiologis objektif secara otomatis tanpa memerlukan masukan peserta. Banyak studi menggabungkan keduanya: sensor menyediakan data perilaku objektif sementara EMA menyediakan konteks subjektif yang bersamaan.

Tingkat pengambilan sampel berapa yang harus saya pilih?

Tingkat pengambilan sampel harus setidaknya dua kali frekuensi tertinggi dari sinyal yang ingin Anda tangkap (teorema Nyquist). Untuk fenomena yang lambat seperti suhu ruangan, interval satu menit mungkin sudah cukup. Untuk analisis gaya berjalan atau variabilitas denyut jantung, diperlukan laju 50–100 Hz atau lebih tinggi. Laju yang lebih tinggi menghasilkan file yang lebih besar dan menguras baterai lebih cepat, jadi pilih laju minimum yang mempertahankan sinyal yang relevan.

Bagaimana cara menangani data dari peserta yang melepas sensor lebih awal?

Identifikasi periode tidak memakai menggunakan algoritma deteksi pemakaian yang divalidasi (misalnya, periode varians nol dalam akselerometri). Kecualikan jendela tersebut dari analisis dan laporkan proporsi waktu pemakaian yang valid. Jika tidak memakai bersifat diferensial antar kelompok atau berkorelasi dengan hasil, tangani potensi bias secara eksplisit dalam metode dan keterbatasan Anda.

Apakah persetujuan peserta diperlukan bahkan untuk sensor lingkungan yang tidak menargetkan individu?

Tergantung pada apakah sensor dapat menangkap informasi yang dapat diidentifikasi secara pribadi. Sensor suhu di area umum gedung biasanya hanya memerlukan persetujuan institusional. Kamera, mikrofon, atau beacon lokasi yang dapat mengidentifikasi individu memerlukan persetujuan berdasarkan informasi dari mereka yang mungkin tertangkap. Konsultasikan dewan etika institusi Anda dan peraturan perlindungan data yang berlaku sebelum penerapan.

Bisakah data sensor digunakan dalam penelitian kualitatif?

Data sensor pada dasarnya kuantitatif, tetapi terkadang digunakan sebagai stimulus dalam tindak lanjut kualitatif: peserta meninjau jejak data mereka sendiri (teknik yang disebut wawancara berbantuan data atau foto-elicitation dengan data pribadi) untuk mendorong refleksi. Pendekatan campuran ini dapat menggabungkan objektivitas pengukuran sensor dengan kedalaman interpretatif penyelidikan kualitatif.

Metode terkait

Sumber

  1. Chong, C.-Y., & Kumar, S. P. (2003). Sensor networks: Evolution, opportunities, and challenges. Proceedings of the IEEE, 91(8), 1247–1256.

    Buka referensi DOI
    Disalin.
  2. Sensor. Wikipedia.

    Buka referensi publikasi
    Disalin.