RANCANG BANGUN SISTEM PENGUKURAN KADAR HEMOGLOBIN NON-INVASIVE MENGGUNAKAN SENSOR MAX30102 DENGAN METODE K-NEAREST NEIGHBORS (KNN)

Putri, Ririn Amelia (2026) RANCANG BANGUN SISTEM PENGUKURAN KADAR HEMOGLOBIN NON-INVASIVE MENGGUNAKAN SENSOR MAX30102 DENGAN METODE K-NEAREST NEIGHBORS (KNN). S1 thesis, Universitas Andalas.

	Text (BAB Akhir(Penutup/Kesimpulan)) BAGIAN 3.pdf - Published Version Download (251kB)
	Text (Daftar Pustaka) BAGIAN 4.pdf - Published Version Download (237kB)
	Text (BAB 1 (Pendahulun)) BAGIAN 2.pdf - Published Version Download (264kB)
	Text (Cover dan Abstrak) BAGIAN 1.pdf - Published Version Download (574kB)
	Text (Tugas Akhir fulltext) Skripsi Full.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Pemeriksaan kadar hemoglobin (Hb) umumnya dilakukan secara invasive melalui pengambilan sampel darah, yang memerlukan fasilitas laboratorium, tenaga medis, serta dapat menimbulkan ketidaknyamanan bagi pasien. Penelitian ini bertujuan untuk mengembangkan sistem pengukuran hemoglobin secara non-invasive menggunakan sensor optik MAX30102 berbasis sinyal Photoplethysmography (PPG) yang dipadukan dengan algoritma machine learning untuk meningkatkan akurasi prediksi kadar hemoglobin secara real-time. Tahap awal penelitian dilakukan dengan menentukan baseline hubungan antara rasio intensitas cahaya merah dan inframerah dengan kadar hemoglobin invasive pada 30 relawan dewasa. Hasil kalibrasi awal menggunakan regresi linier menunjukkan rata-rata error sebesar 10,49%, sehingga pendekatan linier dinilai belum mampu memodelkan hubungan non-linear antara sinyal optik dan kadar hemoglobin. Untuk meningkatkan akurasi prediksi, digunakan algoritma K-Nearest Neighbors (KNN) yang dilatih menggunakan dataset publik Photoplethysmography dan kadar hemoglobin dari repository resmi Mendeley Data, serta diuji menggunakan 164 data hasil pengukuran perangkat berbasis sensor MAX30102, dengan nilai hemoglobin invasif yang diperoleh dari Diaspect Hemoglobin Analyzer sebagai acuan pembanding. Hasil pengujian menunjukkan bahwa model KNN memberikan performa prediksi sangat baik dengan nilai R² sebesar 0,9876, MAE sebesar 0,1496 g/dL, RMSE sebesar 0,1873 g/dL, dan rata-rata error sebesar 1,05%. Sistem yang dirancang mampu menampilkan hasil pengukuran secara real-time melalui layar OLED dan antarmuka web, sehingga memungkinkan pemantauan kadar hemoglobin secara praktis dan non-invasive. Kesimpulan dari penelitiani ini alat yang di rancang memiliki potensi sebagai alternatif pengukuran hemoglobin non-invasive yang akurat, nyaman, dan efisien untuk mendukung pemantauan kondisi anemia dan kesehatan secara mandiri.

Actions (login required)

View Item