PENGEMBANGAN SISTEM MONITORING GLUKOSA DARAH BERBASIS TEKNOLOGI NON-INVASIF UNTUK PENGELOLAAN DIABETES MANDIRI

Diabetes Melitus (DM) merupakan salah satu Penyakit Tidak Menular (PTM) yang jumlahnya terus meningkat setiap tahunnya. Salah satu indikator penyebab DM adalah tingginya kadar glukosa darah (hiperglikemia) dengan kadar gula antara 140 hingga 500 mg/dL. Oleh karena itu, pemantauan dini terhadap kadar glukosa darah sangat diperlukan. Pada umumnya, pengukuran kadar glukosa darah menggunakan metode invasif, yang dapat menimbulkan rasa sakit dan ketidaknyamanan, serta menyebabkan trauma jarum. Oleh sebab itu, diperlukan pengembangan metode pengukuran kadar glukosa darah yang non-invasif untuk mengurangi ketidaknyamanan dalam pemantauan kadar glukosa darah. Penelitian ini bertujuan untuk membangun teknologi pengukuran kadar glukosa darah dengan metode non-invasif yang pemantauannya dapat dilakukan melalui smartphone menggunakan modul BLE sebagai komunikasi. Teknologi ini menggunakan mikrokontroler ESP32 dan sensor PPG MAX 30100 yang dapat menghasilkan gelombang denyut nadi. Diperlukan pengujian akurasi yang dihasilkan menggunakan metode machine learning. Dalam penelitian ini, digunakan 60 sampel data dan 3 kelas klasifikasi, yaitu LOW, NORMAL, dan HIGH. Data hasil pengukuran glukosa darah kemudian diolah menggunakan teknik machine learning dengan metode Convolutional Neural Networks (CNN) dan Artificial Neural Networks (ANN). Model dengan akurasi tertinggi yang diperoleh dari pelatihan adalah 1.000 dengan model loss terendah 0,0121.