MUHAMMAD ARIF GILANG NUGROHO (2024) PEMERIKSAAN KESEHATAN KADAR GLUKOSA SECARA MANDIRI MENGGUNAKAN TEKNOLOGI NON-INVASIF DENGAN METODE DEEP LEARNING. S1 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf
Download (1MB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (645kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (425kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (739kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (1MB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only
Download (767kB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only
Download (2MB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (425kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (535kB)
[thumbnail of Lampiran] Text (Lampiran)
Lampiran.pdf
Restricted to Registered users only
Download (1MB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (396kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (5MB)

Abstract

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.

Dosen Pembimbing: Karisma Trinanda Putra, , Ir., S.ST., M.T., Ph.D. | NIDN0519069003
Item Type: Thesis (S1)
Uncontrolled Keywords: Deep learning, glucose, PPG MAX30100 sensor
Divisions: Fakultas Teknik > S1 Teknik Elektro
Depositing User: Bima
Date Deposited: 26 Jul 2024 01:55
Last Modified: 26 Jul 2024 01:55
URI: https://etd.umy.ac.id/id/eprint/47101

Actions (login required)

View Item View Item