<![CDATA[Penelitian ini bertujuan untuk merancang dan membangun sebuah prototipe alat pendeteksi kadar gula darah non-invasif portabel berbasis Internet of Things (IoT). Metode yang digunakan adalah photoplethysmography (PPG) dengan sensor MAX30100 pada mikrokontroler ESP32 untuk merekam fluktuasi sinyal Inframerah dan Merah dari ujung jari. Data sinyal mentah yang diperoleh kemudian diolah untuk mengekstrak fitur-fitur kunci, meliputi detak jantung (BPM), saturasi oksigen (SpO2), rasio AC/DC IR, dan rasio AC/DC Red. Fitur-fitur ini, bersama dengan data usia subjek, dianalisis menggunakan model regresi linear multivariat untuk mengestimasi kadar glukosa darah. Sistem ini dilengkapi dengan LCD untuk menampilkan hasil, serta modul SD Card dan konektivitas WiFi untuk penyimpanan data ganda ke data logger lokal dan Google Sheets. Hasil dari pengujian validasi pada 31 sampel data menunjukkan prototipe ini berhasil mencapai tingkat akurasi total sebesar 92% dengan rata-rata persentase kesalahan absolut (MAPE) sebesar 8% saat dibandingkan dengan glukometer standar. Kinerja terbaik tercatat pada mode "Setelah Makan" dan "Sewaktu", namun akurasi menurun pada mode "Puasa", terutama pada subjek di atas 40 tahun. Penelitian ini berhasil membuktikan kelayakan konsep metode estimasi glukosa berbasis fitur PPG. Disarankan untuk melakukan validasi lanjutan dengan sampel yang lebih besar dan eksplorasi model machine learning non-linear untuk meningkatkan generalisasi model.]]>
Copyrights © 2025
