IMPLEMENTASI ALGORITMA EXTREME GRADIENT BOOSTING UNTUK DETEKSI DINI DIABETES MELLITUS MENGGUNAKAN MIKROKONTROLLER

Siti Rahmah; Gunawan; Rifa’atus Shalihah

doi:10.33772/anoatik.v4i1.144

Penulis

Siti Rahmah Universitas Halu Oleo
Gunawan Univesitas Halu Oleo
Rifa’atus Shalihah Univesitas Halu Oleo

DOI:

https://doi.org/10.33772/anoatik.v4i1.144

Abstrak

Diabetes mellitus merupakan penyakit metabolik kronis yang ditandai oleh tingginya kadar glukosa darah akibat gangguan produksi atau kerja insulin. Peningkatan jumlah penderita setiap tahun mendorong perlunya sistem deteksi dini yang mampu mengukur kadar glukosa secara real-time dan memprediksi risiko diabetes secara cepat serta akurat. Penelitian ini bertujuan menganalisis kinerja sistem deteksi dini diabetes mellitus berbasis mikrokontroler ESP32 yang menerapkan algoritma Extreme Gradient Boosting (XGBoost). ESP32 digunakan untuk membaca data dari sensor optik non-invasif dan mengirimkan data kadar glukosa secara real-time, sedangkan XGBoost digunakan untuk mengklasifikasikan status diabetes. Evaluasi model dilakukan menggunakan confusion matrix dengan metrik accuracy, precision, recall, F1-score, dan ROC-AUC. Hasil penelitian menunjukkan bahwa sistem mampu melakukan pengukuran kadar glukosa secara real-time dan menghasilkan prediksi risiko diabetes dengan nilai accuracy sebesar 93,67%–97,67% serta nilai ROC-AUC sebesar 0,9810–0,9991. Variabel glucose menjadi faktor paling dominan, sedangkan BMI dan age berperan sebagai faktor pendukung. Hasil ini menunjukkan bahwa integrasi ESP32 dan algoritma XGBoost berpotensi menjadi sistem deteksi dini diabetes mellitus yang praktis, efisien, dan real-time.

Kata Kunci:

Diabetes Mellitus, XGBoost, deteksi dini, mikrokontroler, machine learning

Unduhan

Data unduhan belum tersedia.

Referensi

F. K. Adli, “Diabetes Melitus Gestasional: Diagnosis dan Faktor Risiko,” J. Med. Hutama, vol. 03, no. 01, pp. 1545–1551, 2021.

I. Daniyan, S. Ikuponiyi, L. Daniyan, I. D. Uchegbu, and K. Mpofu, “Development of a Smart Glucose Monitoring Device,” Procedia CIRP, vol. 110, no. C, pp. 255–260, 2022, doi: 10.1016/j.procir.2022.06.046.

A. Haris, D. Atmajaya, and E. I. Alwi, “Rancangan Bangun Alat Pendeteksi Gula Darah Berbasis Microcontroller,” Bul. Sist. Inf. dan Teknol. Islam, vol. 2, no. 1, pp. 21–26, 2021, doi: 10.33096/busiti.v2i1.719.

A. Palamar and M. Palamar, “Sistem Komputer Pemantauan Kesehatan Real-Time Berbasis Internet untuk Benda Medis,” 2023.

M. R. Givari, M. R. Sulaeman, and Y. Umaidah, “Perbandingan Algoritma SVM, Random Forest dan XGBoost Untuk Penentuan Persetujuan Pengajuan Kredit,” Nuansa Inform., vol. 16, no. 1, pp. 141–149, 2022, doi: 10.25134/nuansa.v16i1.5406.

L. Agustin, S. Riskika, and Y. Dwi Agustin, “Diabetes Mellitus Health Counseling in Jetis Village, Bondowoso,” J. Community Empower. Multidiscip., vol. 1, no. 1, pp. 34–41, 2023, doi: 10.53713/jcemty.v1i1.67.

Catur Nugraha A. and Isa Irawan M., “Komparasi Deteksi Kecurangan pada Data Klaim Asuransi Pelayanan Kesehatan Menggunakan Metode Support Vector Machine (SVM) dan Extreme Gradient Boosting (XGBoost),” J. Sains dan Seni ITS, vol. 12, no. 1, 2023.

M. N. Huda, M. Burhan, A. Satibi, and H. A. Pradita, “Implementasi Black Box Testing pada Aplikasi Sistem Kasir dengan Menggunakan Teknik Equivalence Partitions,” vol. 5, no. 2, pp. 120–127, 2022.

H. Raihan, I. Fikri, and A. Voutama, “Pengujian Black Box pada Aplikasi,” vol. 17, no. 1, pp. 1–18, 2023.

S. F. Sandra, S. R. U. A. Sherwin, and A. E. Kendek, “Rancang Bangun Alat Simulasi Latihan Menembak Berbasis Arduino Uno,” J. Tek. Elektro dan Komput., vol. 7, no. 2, pp. 183–188, 2018.