SISTEM MONITORING KADAR GULA DARAH NON-INVASIF BERBASIS INTERNET OF THINGS (IoT) ESP8266 UNTUK PREDIKSI PENYAKIT DIABETES MENGGUNAKAN MACHINE LEARNING

Ahmad, Hardiyansyah (2025) SISTEM MONITORING KADAR GULA DARAH NON-INVASIF BERBASIS INTERNET OF THINGS (IoT) ESP8266 UNTUK PREDIKSI PENYAKIT DIABETES MENGGUNAKAN MACHINE LEARNING. FAKULTAS TEKNIK, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (200Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (2337Kb) | Minta salinan
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (1306Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Diabetes mellitus merupakan penyakit kronis dengan prevalensi yang terus meningkat di seluruh dunia. Pemantauan kadar gula darah sangat penting untuk mencegah komplikasi, namun metode invasif konvensional sering menimbulkan ketidaknyamanan. Penelitian ini merancang sistem monitoring kadar gula darah non-invasif berbasis NodeMCU ESP8266 yang terintegrasi dengan Internet of Things (IoT) serta menerapkan machine learning untuk prediksi diabetes. Sistem menggunakan sensor fotodioda dengan kalibrasi regresi polinomial, serta diuji menggunakan parameter Quality of Service (QoS), Clarke Error Grid Analysis (CEGA), Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE). Hasil menunjukkan sistem mampu melakukan akuisisi dan pengiriman data secara real-time dengan performa jaringan stabil, serta memiliki akurasi pengukuran yang cukup baik. Model machine learning Decision Tree memberikan hasil prediksi lebih akurat dibanding Naive Bayes. Dengan demikian, sistem ini berpotensi menjadi alternatif pemantauan gula darah yang lebih nyaman, praktis, dan mendukung deteksi dini diabetes. Kata kunci: Diabetes mellitus, Non-invasif, IoT, ESP8266, Machine Learning.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data 600 Teknologi (ilmu terapan) > 607 Pendidikan, riset, topik terkait 600 Teknologi (ilmu terapan) > 620 Ilmu teknik dan ilmu yang berkaitan
Program Studi:	FAKULTAS TEKNIK (FT) > Prodi S1-Teknik Elektro
Pengguna Deposit:	2507356953 Digilib
Date Deposited:	02 Dec 2025 02:32
Terakhir diubah:	02 Dec 2025 02:32
URI:	http://digilib.unila.ac.id/id/eprint/93862

Actions (login required)

Lihat Karya Akhir