NANDA WAHYU RAMDANI (2023) STUDY PERANCANGAN INOVASI ALAT UNTUK PEMERIKASAAN KADAR GULA DARAH MENGGUNAKAN METODE NON-INVASIVE. S1 thesis, Universitas Muhammadiyah Yogyakarta.
Halaman Judul.pdf
Download (547kB)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (255kB)
Abstrak.pdf
Restricted to Registered users only
Download (10kB)
Bab I.pdf
Download (140kB)
Bab II.pdf
Restricted to Registered users only
Download (504kB)
Bab III.pdf
Restricted to Registered users only
Download (206kB)
Bab IV.pdf
Restricted to Registered users only
Download (1MB)
Bab V.pdf
Restricted to Registered users only
Download (9kB)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (129kB)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (590kB)
Full Text.pdf
Restricted to Repository staff only
Download (2MB)
Abstract
Prevalensi diabetes melitus (DM), penyakit tidak menular (PTM), meningkat setiap tahunnya. Kadar glukosa darah yang tinggi (hiperglikemia) dengan kadar gula antara 140 dan 500 mg/dL adalah salah satu tanda bahwa Diabetes Mellitus (DM) adalah penyebab utamanya. Oleh karena itu, diperlukan pemantauan kadar glukosa darah secara dini. Sangat penting untuk mengembangkan kadar glukosa darah dengan cara non-invasif untuk mengurangi ketidaknyamanan dalam pemantauan kadar glukosa darah karena pada umumnya kadar glukosa darah diukur menggunakan metode invasif, yang dapat menyebabkan rasa sakit dan ketidaknyamanan yang dapat menyebabkan kerusakan jarum. Mikrokontroler ESP32 dan sensor PPG MAX 30100 yang dapat menghasilkan gelombang pulsa digunakan dalam teknologi yang dikembangkan, sehingga penting untuk menilai kebenaran hasil dari metode pembelajaran mesin. Tiga kelas kategorisasi dan 22 sampel data digunakan dalam penelitian ini. Tiga kelas data RENDAH, NORMAL, dan TINGG digunakan. Selanjutnya, data hasil pembacaan glukosa darah diolah menggunakan jaringan saraf tiruan (ANN), jaringan saraf convolutional (CNN 1D), dan jaringan saraf convolutional (CNN 2D). Pelatihan model yang dibuat menghasilkan hasil akurasi model 1 dengan model loss terendah 0,1543. Hasil tes menghasilkan tingkat akurasi 0,50.
Item Type: | Thesis (S1) |
---|---|
Uncontrolled Keywords: | Gula Darah, PPG MAX 30100, Machine Learning, accuracy |
Divisions: | Fakultas Teknik > Teknik Elektro S1 |
Depositing User: | Aidilla Qurotianti |
Date Deposited: | 19 Oct 2023 09:37 |
Last Modified: | 19 Oct 2023 09:37 |
URI: | https://etd.umy.ac.id/id/eprint/41278 |