Perpustakaan Digital ITB

Diabetes merupakan salah satu penyakit yang menjadi perhatian pemerintah Indonesia saat ini. Pada tahun 2017, kasus diabetes di Indonesia yang tercatat oleh International Diabetes Federation mencapai lebih dari 10 juta. Tingginya angka tersebut mengakibatkan pengeluaran untuk pengobatan diabetes dan komplikasinya pun menjadi tinggi. Untuk menekan jumlah pengeluaran, perlu untuk dilakukan kontrol secara teratur. Saat ini pemantauan diabetes dilakukan dengan mengukur kadar glukosa dalam darah dan kadar HbA1c. Pengukuran kadar glukosa menunjukkan konsentrasi gula darah pada saat dilakukan uji, sedangkan pengukuran HbA1c memberikan hasil rata-rata gula darah dalam rentan waktu dua sampai tiga bulan. Pemantauan HbA1c sekarang ini masih mahal dan tidak mudah sehingga metodenya belum tersebar dan digunakan secara umum di Indonesia, terutama di daerah bukan kota. Untuk menyelesaikan masalah tersebut, maka pada tugas akhir ini dirancang alat untuk mengukur kadar HbA1c secara non-invasif, murah, dan portable. Metode yang diajukan adalah dengan cara spektroskopi. Dalam perancangan, alat ini dibagi menjadi tiga bagian besar, yaitu: pre-processing analog, pre-processing digital, dan konversi sinyal & display. Tugas akhir ini memiliki fokus pada konversi sinyal & display. Untuk mengkonversi sinyal dari hasil spektroskopi ke konsentrasi HbA1c, dapat dilakukan dengan pendekatan statistik dan dengan pendekatan machine learning. Berdasarkan hasil tinjauan dari studi yang sudah ada, tugas akhir ini mengambil pendekatan machine learning. Dari studi literatur mengenai perbandingan regresi linear dengan artificial neural network, dengan menggunakan principal component untuk keduanya, ditemukan bahwa artificial neural network memberikan hasil yang superior.Untuk penyelesaian masalah mobilitas dan kemudahan alat, maka hasil model konversi nilai diimplementasikan pada perangkat smartphone. Pada tugas akhir ini dikembangkan metode konversi menggunakan machine learning, dengan pendekatan data science, dan kemudian diimplementasikan pada Android. Karena keterbatasan yang disebabkan pandemi COVID-19, pelaksanaan realisasi dan pengujian tugas akhir ini masih menggunakan data sintetis. Pengembangan lebih lanjut dapat melakukan realisasi dan pengujian dari data HbA1C pasien langsung. Pembuatan data sintetik sebanyak 95 data berhasil dilakukan. Perangkat lunak konversi nilai menghasilkan nilai mean absolute error sebesar 0.055 atau relatif error sebesar 1.099% pada dataset test.