Perpustakaan Digital ITB

Aplikasi m-health berguna untuk memantau kondisi glukosa darah bagi penderita diabetes. Pemasukan nilai glukosa darah dari alat cek gula darah ke aplikasi umumnya dilakukan secara manual. Proses ini memakan waktu dan berkemungkinan salah. Maka dari itu, pengembangan prototipe aplikasi m-health yang menggunakan model untuk membaca hasil pengukuran glukosa darah dapat menjadi solusi. Prototipe aplikasi m-health yang dikembangkan memiliki fitur pengambilan gambar oleh kamera, pembacaan angka dengan model, penyimpanan hasil pembacaan ke basis data, dan visualisasi data. Model dilatih menggunakan 3764 gambar hasil pengukuran glukosa darah dari alat cek gula darah. Model yang dilatih adalah YOLO11 dengan variasi ukuran small, medium, dan large. Agar dapat digunakan dalam aplikasi, model yang telah dilatih dikonversi menjadi format TensorFlow Lite (.tflite). Model TensorFlow Lite tersebut dikuantisasi menjadi presisi float 16-bit (FP16) dan integer 8-bit (INT8) untuk mengurangi waktu inferensi dan ukuran model. Berdasarkan hasil pengujian, model yang dipilih untuk diimplementasikan dalam aplikasi adalah model ukuran small dengan presisi INT8. Model dipilih karena memiliki waktu inferensi dan ukuran file yang kecil serta memiliki akurasi dan f1-score yang tidak terlalu jauh dari model ukuran lain. Model tersebut memiliki akurasi sebesar 94,14%, f1-score sebesar 97,03%, waktu inferensi sebesar 330,7 ms, dan ukuran file sebesar 11,4 MB. Pengujian model pada aplikasi m-health dengan set data pengujian menghasilkan akurasi sebesar 97,77%, f1-score sebesar 98,34%, dan waktu inferensi rata-rata sebesar 1918,15 ms.