Article Sidebar

Download
PDF

Main Article Content

Abstract

Kesehatan merupakan hal krusial dalam kehidupan. Dengan mengonsumsi makanan dengan gizi seimbang, melakukan olahraga rutin dan memonitor parameter-parameter tertentu dalam tubuh dapat menjaga tubuh dalam kondisi sehat. Mengingat akan ancaman penyakit diabetes yang tiap hari kian bertambah maka memonitor kadar gula darah perlu dilakukan. Telemonitoring merupakan metode pemantauan secara jarak jauh menggunakan IoT. Sistem telemonitoring gula darah menggunakan sensor MAX30100 dan tidak melukai bagian tubuh dengan jarum suntik atau disebut dengan non-invansive. Sistem ini menggunakan mikrokontroller ESP32 sebagai pemroses data serta metode fuzzy sebagai kecerdasan buatan. Kalibrasi pada perangkat dilakukan menggunakan metode regresi linear. Dari hasil pengujian didapatkan tingkat akurasi sensor MAX30100 untuk pengukuran glukosa sebesar 93,758% dengan nilai error 6,248% , detak jantung sebesar 92,916% dengan nilai error 7,084% dan saturasi oksigen sebesar 98,58% dengan nilai error 1,42%.

Keywords

non-invasive glucose meter regresi linear kecerdasan buatan IoT

Article Details

License

Copyright (c) 2024 Rizqi Addini Nur Idmar'a, Leonardo Kamajaya, Fitri

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

References

  1. Y. Yuliasih and S. Mulyono, “EFEKTIFITAS TELEMONITORING TERHADAP PENURUNAN HOSPILALISASI PASIEN COVID 19 ISOLASI MANDIRI DI RUMAH: STUDI LITERATUR,” J. Kesehat. Tambusai, vol. 2, no. 4, 2021, doi: 10.31004/jkt.v2i4.2820.
  2. P. Madona, E. Saputra, H. N. Syamsir, and P. C. Riau, “Alat Ukur Kadar Gula Darah dan Informasi Dosis Insulin Berbasis Sinyal Photopletysmograph (PPG),” 2018.
  3. D. Atmajaya, W. O. S. Asnaniar, and A. Haris, “PKM PENDETEKSI KADAR GULA DARAH BERBASIS MIKROKONTROLER DI PUSKESMAS SAMATA GOWA,” J. Penelit. dan Pengabdi. Kpd. Masy. UNSIQ, vol. 8, no. 2, 2021, doi: 10.32699/ppkm.v8i2.1580.
  4. D. Sutarya, “Sistem Monitoring Kadar Gula Darah, Kolestrol dan Asam Urat secara Non Invasive menggunakan Sensor GY-MAX 30100,” J. JOULE, vol. Vol 1, no. 25–34, pp. 1907–2546, 2021, [Online]. Available: http://journal.univpancasila.ac.id/index.php/joule/
  5. E. Susana, K. Ramli, H. Murfi, and N. H. Apriantoro, “Non-Invasive Classification of Blood Glucose Level for Early Detection Diabetes Based on Photoplethysmography Signal,” Inf., vol. 13, no. 2, 2022, doi: 10.3390/info13020059.
  6. S. Haxha and J. Jhoja, “Optical Based Noninvasive Glucose Monitoring Sensor Prototype,” IEEE Photonics J., vol. 8, no. 6, pp. 1–10, 2016, doi: 10.1109/JPHOT.2016.2616491.
  7. R. Yurizal, A. Novianty, and A. Luhur, “Design and Analysis Photoplethysmograph Signal for Blood,” e-Proceeding Eng., vol. 4, no. 1, pp. 864–870, 2017.
  8. G. M, R. R, and S. Baliga, “Implementation of Non-Invasive Blood Glucose Monitoring System,” Int. J. Eng. Res. Electron. Commun. Eng., vol. 9, no. 8, pp. 15–21, 2022, doi: 10.36647/ijerece/09.08.a004.
  9. S. Sathishkumar, S. Balasubramanian, D. Sridhar, R. Ramesh, and M. G. Sumithra, “IR-RING: Non-invasive Continuous Blood Glucose Monitor,” 6th Int. Conf. Electron. Commun. Aerosp. Technol. ICECA 2022 - Proc., pp. 330–334, 2022, doi: 10.1109/ICECA55336.2022.10009344.
  10. H. Y. Darmawan et al., “Non-Invasive IoT Home Medical Check-up Programming to Monitor Blood Sugar, Cholesterol, Uric Acid, and Body Temperature,” 2022 5th Int. Conf. Comput. Informatics Eng. IC2IE 2022, pp. 236–240, 2022, doi: 10.1109/IC2IE56416.2022.9970087.
  11. T. Romadhoni, E. D. Setioningsih, and M. P. A. T. Putra, “Photoplethysmograph Portable,” J. Teknokes, vol. 12, no. 1, pp. 21–26, 2019, doi: 10.35882/teknokes.v12i1.4.
  12. H. Jaya et al., Kecerdasan Buatan, vol. 53, no. 9. 2018.
  13. S. Plowerita, A. S. Handayani, I. Hadi, and N. L. Husni, “Sistem Monitoring Kesehatan Dalam Penentuan Kondisi Tubuh Dengan Metode Fuzzy Mamdani,” PROtek J. Ilm. Tek. Elektro, vol. 8, no. 2, p. 102, 2021, doi: 10.33387/protk.v8i2.3341.
  14. A. Setiawan, B. Yanto, and K. Yasdomi, Logika Fuzzy Dengan Matlab. 2018.
  15. I. N. B. Hartawan and I. W. Sudiarsa, “ANALISIS KINERJA INTERNET OF THINGS BERBASIS FIREBASE REAL-TIME DATABASE,” J. Resist. (Rekayasa Sist. Komputer), vol. 2, no. 1, 2019, doi: 10.31598/jurnalresistor.v2i1.371.
  16. E. D. Kartiningrum, Aplikasi Regresi dan Korelasi Dalam Analisis Data Hasil Penelitian. 2022.
  17. A. Asfihan, “Uji Asumsi Klasik: Jenis-jenis Uji Asumsi Klasik,” Fe Unisma, pp. 1–11, 2021, [Online]. Available: http://fe.unisma.ac.id/MATERI AJAR DOSEN/EKOMETRIK/AriRiz/MA Uji Normalitas.pdf%0Ahttps://adalah.co.id/uji-asumsi-klasik/