Identifikasi Diabetes Mellitus Menggunakan Sensor Gas QCM Dengan Metode Learning Vector Quantization

Prasetya, Ade Ruldy (2024) Identifikasi Diabetes Mellitus Menggunakan Sensor Gas QCM Dengan Metode Learning Vector Quantization. TEKNIKA, 18 (1). pp. 245-254. ISSN 2622-3481

Preview	Text Halaman persetujuan publikasi jurnal.pdf Download (109kB) | Preview
Preview	Text Artikel_Ade ruldy.pdf Download (870kB) | Preview

Abstract

Informasi tentang diabetes sering kali diabaikan, sehingga menyebabkan diagnosa yang salah dan berakhir buruk. Identifikasi diabetes mellitus menggunakan gas sensor dengan metode Learning Vector Quantization (LVQ) merupakan salah satu upaya untuk memberikan informasi seseorang terjangkit diabetes atau tidak, dikarenakan kurangnya pengetahuan terhadap gejala diabetes mellitus. Sebagian besar deteksi saat ini masih berbasis dalam menganalisis darah yang dilakukan secara invasif, Hal ini membuat ketidaknyamanan bagi pasien penderita jika dilakukan pemeriksaan secara berulang. Dalam upaya mengatasi masalah tersebut, penelitian ini bertujuan untuk mengidentifikasi diabetes mellitus melalui pendekatan non invasif menggunakan sensor gas Quartz Crystal Microbalance (QCM) yang dilapisi dengan lapisan carbon nanotubes termasuk single walled, multi walled dan graphene oxide sebagai indikator. Metode LVQ diterapkan untuk mengklasifikasi pasien berdasarkan parameter kondisi urin. Hasil penelitian menunjukan bahwa metode LVQ mencapai akurasi tertinggi sebesar 83.33% dengan percobaan pembelajaran yang tepat, yaitu pembelajaran 𛼠sebesar 0.1, dec 𛼠sebesar 0.0001 dan epoch sebesar 1000, pada pembagian data 90% untuk data latih dan 10% untuk data uji. Penelitian ini menunjukan potensi pendekatan sebagai alternatif non invasif yang efektif dalam deteksi diabetes mellitus.

Item Type:	Article
Uncontrolled Keywords:	Diabetes mellitus, Learning vector quantization, Carbon nanotubes, Sensor gas
Subjects:	Engineering > Electronical Engineering Engineering
Divisions:	Faculty of Engineering > Electronical Engineering Study Program
Depositing User:	Ade Ruldy Prasetya
Date Deposited:	01 Apr 2024 22:18
Last Modified:	01 Apr 2024 22:18
URI:	http://eprints.umg.ac.id/id/eprint/11667

Actions (login required)

View Item