INOVASI TEKNOLOGI NON-INVASIF UNTUKPEMERIKSAAN MANDIRI KADAR GLUKOSA DARAH

Diabetes Melitus (DM) merupakan salah satu Penyakit Tidak Menular (PTM) yang jumlahnya terus meningkat setiap tahunnya. Salah satu indikator penyebab Diabetes Melitus (DM) adalah tingginya kadar glukosa darah (hiper glikemia) dengan kadar gula yang dimiliki antara 140 hingga 500mg/dL. Sehingga diperlukannya pemantauan dini untuk kadar glukosa darah. Pada umumnya pengukuran kadar glukosa darah menggunakan metode Invasif, dimana metode Invasif dapat menimbulkan rasa sakit dan tidak nyaman yang dapat menyebabkan trauma jarum, sehingga perlu dikembangkannya pengukuran kadar glukosa darah dengan metode Non-Invasif untuk mengurangi ketidak nyamanan dalam pemantauan kadar glukosa darah. Penelitian ini bertujuan untuk membangun teknologi pengukuran kadar glukosa darah dengan metode Non-Invasif yang pemantauannya dapat melalui smartphone dengan menggunakan modul BLE sebagai komunikasinya. Teknologi yang dibangun, menggunakan mikrokontroler ESP32 dan sensor PPG MAX 30100 yang dapat menghasilkan gelombang denyut nadi, sehingga diperlukan pengujian accuracy yang dihasilkan dengan metode machine learning. Pada penelitian ini menggunakan 22 sample data dan 3 kelas klasifikasi. Kelas data yang digunakan adalah LOW, NORMAL, dan HIGH. Data hasil pengukuran glukosa darah kemudian diolah dengan menggunakan teknik machine learning yang menggunakan metode Convolutional Neural Networks (CNN) dan Artificial Neural Networks (ANN). Hasil tertiggi model accuracy yang didapat dari pelatihan model yang dibangun adalah 0,9444 dengan model loss terendah 0,1768. Hasil accuracy yang didapat dari hasil pengujian adalah 0,25.