PENGEMBANGAN ALAT UKUR GULA DARAH BERBASIS NON-INVASIVE MENGGUNAKAN METODE K-NEAREST NEIGHBOR (KNN) DAN REGRESI LINEAR

Diabetes merupakan penyakit yang ditandai dengan meningkatnya kadar gula darah
dalam tubuh melebihi batas normal. Pengukuran kadar gula darah umumnya
dilakukan secara invasive atau melukai jari pasien. Oleh karena itu, penelitian ini
bertujuan merancang alat ukur kadar glukosa secara non-invasive menggunakan
metode K-Nearest Neighbor (KNN) dan Regresi Linear. Perancangan alat
menggunakan Mikrokontroler ESP32, LED Inframerah, sensor Potodioda OPT101,
dan sistem monitoring jarak jauh menggunakan Internet of Things (IoT). Metode
KNN digunakan untuk mengklasifikasikan nilai dari pembacaan sensor, sementara
regresi linear berfungsi memprediksi nilai kadar gula darah (mg/dl). Kinerja alat
dianalisa menggunakan Clarke Error Grid (CEG). Pengujian dilakukan terhadap
250 sampel pasien diabetes dan normal. Hasil pengujian menunjukkan persamaan
regresi linear untuk pasien diabetes memiliki determinasi (R²=0,7829), dan pasien
normal memiliki determinasi (R²=0,9708). Rata-rata error persamaan regresi linear
pasien diabetes sebesar 4,6%, dan untuk pasien normal sebesar 2,28%. Penelitian
ini juga melakukan klasifikasi kelas pengguna alat menggunakan metode KNN
dengan variasi seperti Simple KNN (K=1), Medium KNN (K=10), dan Weighted
KNN (K=1, dan bobot=0,5). Selain itu, variasi data training juga dianalisis dengan
jumlah data 25, 50, 75, dan 100. Hasil pengujian confusion matrix menunjukkan
metode KNN dengan variasi Simple dan Weighted KNN lebih baik dalam
mengklasifikasikan data dibandingkan dengan Medium KNN, dan juga peningkatan
jumlah data training meningkatkan performa metode KNN dalam klasifikasi.
Analisis kinerja alat menggunakan metode CEG menunjukkan hasil pengukuran
alat berada di zona A dan B untuk glukosa darah pasien diabetes, dan zona A untuk
glukosa darah pasien normal, yang menandakan alat dapat digunakan secara klinis
dan sesuai dengan standar ISO 15197. Penelitian ini juga berhasil merancang sistem
monitoring berbasis IOT menggunakan web server (website). Pengguna dapat
memeriksa dan mengontrol kadar gula darah melalui website. Data hasil
pemeriksaan tersimpan di database dan pengguna dapat berkonsultasi
menggunakan fitur chatting.
Kata Kunci: Diabetes, Non-Invasive, K-Nearest Neighbor (KNN), Regresi
Linear, Clarke Error Grid (CEG).