24.04.5937
610.28 - Biomedical Engineering
Karya Ilmiah - Skripsi (S1) - Reference
Tugas Akhir
142 kali
Penelitian ini bertujuan untuk mengembangkan sebuah alat pemantau kadar gula darah<br /> yang bersifat non-invasif menggunakan sensor Near Infrared Spectroscopy (NIRS) yang<br /> dinamakan Glucare. Latar belakang penelitian ini didasarkan pada tingginya prevalensi<br /> penyakit diabetes mellitus di Indonesia, di mana pemeriksaan gula darah secara rutin masih<br /> menggunakan metode invasif yang kurang nyaman bagi pasien. Oleh karena itu, diperlukan<br /> sebuah solusi yang lebih nyaman dan efektif.<br /> Permasalahan utama yang dihadapi adalah bagaimana merancang alat yang mampu<br /> memberikan hasil akurat dan real-time dengan biaya yang terjangkau, serta bagaimana<br /> memastikan bahwa alat ini dapat diimplementasikan dengan mudah di kalangan pengguna<br /> luas. Solusi yang diajukan meliputi penggunaan sensor MAX30102, mikrokontroler ESP32,<br /> dan protokol komunikasi ESPNOW untuk mengirimkan data secara nirkabel ke cloud, di<br /> mana data tersebut akan diproses lebih lanjut dengan menggunakan machine learning.<br /> Implementasi alat ini melibatkan beberapa tahap utama, yaitu perancangan perangkat keras,<br /> akuisisi dan rekonstruksi data serta pengolahan data menggunakan FFT, Gaussian, dan OMP.<br /> Data yang dihasilkan akan disimpan di Firebase dan diklasifikasikan menggunakan CatBoost<br /> untuk menentukan level gula darah.<br /> Pengujian dilakukan untuk mengevaluasi performa alat, termasuk akurasi sensor,<br /> pengiriman data, akurasi dari proses akuisisi dan rekonstruksi data, penggunaan aplikasi,<br /> serta efektivitas Machine Learning(ML). Hasil pengujian menunjukkan bahwa alat ini<br /> mampu mengukur kadar gula darah dengan akurasi mencapai 90% jika dibandingkan dengan<br /> metode invasif. Proses pengiriman data yang dilakukan pada alat bersifat real-time dengan<br /> delay di bawah 2 detik. Proses akuisisi dan rekonstruksi data dengan metode compressive<br /> sensing yang dilakukan sangat efektif dengan melihat parameter seperti SNR yang tinggi<br /> sekitar 95 dB, MAE sekitar 1.10 dengan MAPE 0.16 %, serta nilai MSE dan PRD yang<br /> rendah yaitu 3.27 dan 0.30 %. Akurasi dari ML yang digunakan menyentuh 90% merupakan<br /> angka yang sangat baik serta penggunaan CPU dan RAM yang sangat rendah dibawah 30%.<br /> Dengan demikian, alat ini diharapkan dapat memberikan solusi yang lebih nyaman dan<br /> efektif bagi pasien diabetes dalam memantau kadar gula darah mereka .<br /> Kata kunci: Glukosa, Invasif, Non-Invasif, Machine Learning, NIRS
Tersedia 1 dari total 1 Koleksi
Nama | MOHAMMAD ALFI ALGHIFARI |
Jenis | Perorangan |
Penyunting | Ida Wahidah Hamzah, Fardan |
Penerjemah |
Nama | Universitas Telkom, S1 Teknik Telekomunikasi |
Kota | Bandung |
Tahun | 2024 |
Harga sewa | IDR 0,00 |
Denda harian | IDR 0,00 |
Jenis | Non-Sirkulasi |