Komunikasi terapeutik merupakan aspek penting dalam pelayanan keperawatan yang sangat bergantung pada kemampuan pasien untuk menyampaikan kebutuhannya secara jelas kepada tenaga medis. Namun, pasien di rumah sakit, terutama yang mengalami kondisi medis serius seperti stroke, sering kali menghadapi tantangan besar dalam berkomunikasi. Dalam situasi ini, media komunikasi konvensional dan sistem nurse call yang tersedia saat ini terbukti belum mampu memfasilitasi penyampaian kebutuhan pasien. Penelitian ini merealisasikan dan menguji Smart Glove, yaitu sarung tangan dengan empat flex sensor yang terhubung ke modul TR2023 berbasis ESP32 dan adaptor PS2023 sebagai catu daya. Data perubahan tekukan jari diambil setiap 50 ms, dikonversi menjadi nilai digital, dan dikirimkan ke server melalui protokol MQTT untuk disimpan pada database dan diolah menggunakan aplikasi utama berbasis Node-RED dan Python. Fitur yang digunakan untuk analisis adalah perubahan nilai ADC (ΔADC) dan kecepatan perubahan (velocity). K-Means dengan K=4 digunakan untuk melakukan clustering dan menentukan ambang minimum–maksimum tiap jari serta tiap pasien sehingga status gerak jari dapat ditetapkan secara aktual. Pengujian lapangan pada 9 pasien di rumah sakit menunjukkan bahwa Smart Glove mampu menampilkan pesan permintaan bantuan pasien secara tepat dengan akurasi rata-rata 81,7% dengan rentang 77–86%. Selain itu, perbandingan menunjukkan bahwa penentuan ambang berbasis K-Means per pasien lebih akurat dibandingkan ambang statis tunggal dengan rata-rata bias 62%, sehingga mengurangi kesalahan deteksi gerakan. Ini menunjukkan Smart Glove berbasis clustering K-Means menjadi alat bantu komunikasi tambahan yang adaptif bagi pasien, khususnya pasien stroke dengan hambatan komunikasi.