Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal SinarFe7 The Indonesian Journal of Computer Science
Kemalasari
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Rancang Bangun Alat Pengukur Kadar Glukosa Darah Secara Non-Invasive Menggunakan Sensor Oxymetri Rista Dwi Novian Adiningsih; Kemalasari; Firman Arifin; Budi Nur Aiman
SinarFe7 Vol. 2 No. 1 (2019): Sinarfe7-2 2019
Publisher : FORTEI Regional VII Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Diabetes Melitus (DM) merupakan salah satu penyakit berat yang banyak diderita oleh banyak orang. Menurut pusat data dan nformasi Kementerian Kesehatan RI pada tahun 2013,penderita diabetes mellitus di Indonesia mencapai 12 juta orang. Dimana setiap orang memiliki kesempatan yang sama untuk terkena penyakit tersebut jika tidak menjaga pola hidup dan pola makan. Selain itu pemeriksaan rutin terhadap glukosa darah juga penting. Dikarenakan pemeriksaan biasanya harus melukai tubuh (invasive), membuat orang sulit untuk memeriksa kadar glukosa darahnya. Sehingga mulai dikembangkanlah pengukur kadar glukosa darah secara non-invasive, tanpa melukai tubuh. Pada tugas akhir ini, penulis menggunaan sensor oxymetri untuk mengukur kadar glukosa darah. Proyek akhir ini menggunakan prinsip kerja dari photodioda dan infrared serta Led merah yang akan mengalami absorbsi cahaya oleh sifat fisis dari molekul glukosa darah. Kemudian mencari persamaan Linear Regression dari hubungan nilai Rasio tegangan AC dan DC dari red led dan infrared (R) dengan kadar glukosa darah referensi. Dimana persamaan yang didapatkan dari data adalah menggunakan log linier regression dengan rata-rata error mencapai 6-8%. Namun persamaan ini tidak bisa digeneralisasi untuk kasus serupa dengan data yang berbeda. Dimana hasil akhir dari Clarke Error Grid Analysis menunjukkan bahwa kadar gluksoa prediksi belum memiliki keakuratan signifikan untuk dilakukan diagnosa tindakan medis yang perlu dilakukan kepada pasien, namun memiliki kemungkinan besar untuk menjadi akurat jika dilakukan pengambilan data sample yang lebih banyak.
Rancang Bangun Alat Ukur Kadar Gula Darah, Kolestrol, dan Asam Urat Non-Invasif Berbasis Internet of Things (IoT) Gusti, Agrippina Waya Rahmaning; Kemalasari; Rochmad, Mochammad; Az Zahro, Fatimah
The Indonesian Journal of Computer Science Vol. 12 No. 6 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i6.3532

Abstract

Diabetes and cardiovascular disease are examples of non-communicable diseases with the highest prevalence. One way to prevent this deadly disease is by carrying out regular health checks. Blood sugar, cholesterol and uric acid level detection devices on the market are invasive, causing discomfort with needles when drawing blood. The aim of this research is to design a tool to measure blood sugar, cholesterol and uric acid levels non-invasively using the MAX30105 sensor. The MAX30105 sensor will read the infrared value on the fingertip which is then converted into a calculation of blood sugar, cholesterol and uric acid values using the linear regression method. This method will compare the IR value from the sensor output with the results of invasive readings of glucose, cholesterol and uric acid levels to form a regression equation. The measurement data will then be sent via WiFi to the application for easy reading. Based on the experimental results, the accuracy value for glucose reading was 91.44%, cholesterol 84.94% and uric acid 84.91%. More sample variations are needed to map variables that can cause errors in reading values. Apart from that, the amount of light and finger placement procedures also need to be considered to get better accuracy.
Co-Authors Az Zahro, Fatimah Budi Nur Aiman Firman Arifin Gusti, Agrippina Waya Rahmaning Mochammad Rochmad, Mochammad Ningsih, Vita Kusuma Rista Dwi Novian Adiningsih Rokhana, Rika