PEMERIKSAAN KESEHATAN KADAR GLUKOSA SECARA MANDIRI MENGGUNAKAN TEKNOLOGI NON-INVASIF DENGAN METODE DEEP LEARNING

Diabetes melitus merupakan salah satu dari empat penyakit tidak menular yang menjadi fokus utama pemimpin dunia. Sekitar 422 juta orang di seluruh dunia menderita diabetes melitus, dan setiap tahunnya terdapat sekitar 1,6 juta kematian yang terkait dengan penyakit ini, dengan tingkat kematian lebih tinggi terjadi di negara-negara berpenghasilan rendah dan menengah, biasanya sebelum mencapai usia 70 tahun. Data dari IDF Diabetes Atlas 2021 menunjukkan bahwa 73,7% kasus diabetes melitus di Indonesia belum terdiagnosis. Deep Neural Network (DNN) adalah salah satu algoritma dalam deep learning yang menggunakan struktur berlapis-lapis mirip dengan sirkuit saraf manusia dan hewan untuk mengenali pola kompleks dalam data. DNN menggunakan teknik Supervised Learning, yang juga dikenal sebagai "programming by example". Pada teknik ini, algoritma machine learning dilatih menggunakan dataset yang sudah diberi label, di mana label-label ini digunakan untuk mengajarinya mengenali pola-pola dalam data.Teknologi ini menggunakan mikrokontroller ESP32 dan sensor PPG MAX 30100 untuk menghasilkan gelombang denyut nadi, yang kemudian dianalisis menggunakan metode machine learning untuk mengukur kadar glukosa darah.Studi ini melibatkan 60 sampel dengan tiga kelas klasifikasi: LOW, NORMAL, dan HIGH. Hasil pengujian menunjukkan bahwa akurasi tertinggi yang dicapai adalah 100%, dengan nilai loss terendah sebesar 0,0144. Dengan demikian, teknologi ini menjanjikan sebagai metode yang efektif dan akurat untuk pengukuran non-invasif kadar glukosa darah.