ABDUR RAHMAN (2024) PEMERIKSAAN MANDIRI KADAR GLUKOSA DARAH MENGGUNAKANTEKNOLOGI NON-INVASIF. S1 thesis, Universitas Muhammadiyah Yogyakarta.
Halaman Judul.pdf
Download (399kB)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (587kB)
Abstrak.pdf
Restricted to Registered users only
Download (149kB)
Bab I.pdf
Download (188kB)
Bab II.pdf
Restricted to Registered users only
Download (851kB)
Bab III.pdf
Restricted to Registered users only
Download (237kB)
Bab IV.pdf
Restricted to Registered users only
Download (2MB)
Bab V.pdf
Restricted to Registered users only
Download (149kB)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (168kB)
Lampiran.pdf
Restricted to Registered users only
Download (240kB)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (458kB)
Full Text.pdf
Restricted to Repository staff only
Download (4MB)
Abstract
Diabetes melitus merupakan salah satu dari empat penyakit tidak menular prioritasyang menjadi target tindak lanjut oleh para pemimpin dunia. Sekitar 422 juta orang didunia menderita diabetes melitus dan sebanyak 1,6 juta kematian dikaitkan dengandiabetes setiap tahun dengan persentase kematian lebih tinggi di negara berpenghasilanrendah dan menengah yang terjadi pada usia sebelum 70 tahun. Menurut data IDFDiabetes Atlas 2021, jumlah kasus DM yang tidak terdiagnosis di Indonesia mencapai73,7 persen dari total populasi. Oleh karena itu, glukosa darah harus dipantau. Padaumumnya, pemeriksaan glukosa darah menggunakan metode Invasif yang membuatkebanyakan orang takut untuk melakukan pengecekan glukosa darah. Oleh karena itu,perlu dikembangkannya pengecekan glukosa darah menggunakan teknologi Non-Invasif. Tujuan dari penelitian ini adalah untuk membangun teknologi pengukurankadar glukosa darah non-invasif yang dapat dipantau melalui smartphone melaluimodul BLE. Teknologi ini menggunakan mikrokontroller ESP32 dan sensor PPGMAX 30100 yang menghasilkan gelombang denyut nadi, yang membutuhkanpengujian ketepatan yang dibuat dengan metode machine learning. Penelitian inimemiliki 60 sample yang Dimana terdapat 3 kelas klasifikasi, yaitu LOW, NORMAL,dan HIGH. Pada pengujian sample, hasil accuracy tertinggi yang didapat yaitu 1.000dan Loss terkecil yaitu 0,0144. Hasil accuracy yang di dapat pada penelitian ini yaitusebesar 100%.
Item Type: | Thesis (S1) |
---|---|
Uncontrolled Keywords: | Blood Glucose, Accuracy, Machine Learning |
Divisions: | Fakultas Teknik > Teknik Elektro S1 |
Depositing User: | Bima |
Date Deposited: | 27 Jul 2024 07:59 |
Last Modified: | 27 Jul 2024 07:59 |
URI: | https://etd.umy.ac.id/id/eprint/46849 |