Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal eProceedings of Engineering
Nuralifa Kalyana Puteri, Keyza
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Desain Perangkat Pengukuran Hemoglobin Secara Non-Invasif Berbasis Machine Learning Nuralifa Kalyana Puteri, Keyza; Indah Purnama, Sevia; Aly Afandi, Mas
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Hemoglobin (Hb) merupakan indikator penting untuk menilai kondisi kesehatan karena berperan dalam transportasi oksigen dan karbon dioksida dalam tubuh. Metode pengukuran Hb yang umum digunakan saat ini bersifat invasif, membutuhkan pengambilan sampel darah yang dapat menimbulkan ketidaknyamanan, risiko infeksi, serta memerlukan waktu dan biaya tambahan. Penelitian ini bertujuanmengembangkan perangkat pengukur kadar hemoglobin secara non-invasif menggunakan sensor MAX30102 dan algoritma machine learning regresi linier. Sensor mendeteksi intensitas cahaya merah (Red) dan inframerah (IR) pada ujung jari, yang selanjutnya digunakan sebagai input dalam model prediksi kadar Hb. Model regresi linier yang digunakan memiliki persamaan: Hb = 0,19118 + 0,02011 × IR – 0,0030 × Red. Hasil evaluasi menunjukkan kombinasi sinyal rata-rata IR dan Red memberikan performa terbaik dengan MAE sebesar 0,939, MSE 1,325, RMSE 1,151, serta koefisien korelasi sebesar 0,643. Rata-rata galat antara hasil prediksi perangkat non-invasif terhadap metode invasif adalah 2,66%. Hasil ini menunjukkan bahwa perangkat non-invasif berbasis regresi linier dapat menjadi alternatif yang akurat, nyaman, dan efisien untuk pemantauan kadar hemoglobin.Kata kunci— hemoglobin, machine learning, non invasif, regresi linier.
Co-Authors Afandi, Mas Aly Sevia Indah Purnama