Dalam keterangan tertulis yang dikeluarkan Universitas Indonesia, metode ini diharapkan dapat memantau kadar gula darah pasien diabetes dengan lebih mudah, nyaman, dan terjangkau. Teknik PPG mengukur perubahan volume darah di pembuluh darah menggunakan cahaya.
Tantangan terbesar metode ini adalah gangguan sinyal akibat gerakan dan faktor lainnya. Untuk mengatasi masalah ini, Ernia menggunakan teknik analisis waktu-frekuensi (Time Frequency Analysis atau TFA) yang berbasis pada transformasi Fourier jangka pendek (Short Time Fourier Transform atau STFT) untuk meningkatkan kualitas sinyal.
Dalam penelitian tersebut, Ernia melakukannya dalam tiga tahap, yaitu Pengembangan Sistem Pemantauan, Implementasi Teknik TFA, dan Pengujian pada Data Sekunder. Dalam mengembangkan sistem pemantauan, Ernia menggabungkan filter elektronik dan AI untuk menciptakan sistem pemantauan gula darah yang lebih akurat.
Pada tahap ini, digunakan data dari 80 orang dewasa yang dikumpulkan selama pandemi covid-19. Model terbaik yang ditemukan adalah Ensemble Bagged Trees (EBTA) dengan akurasi 97,8 persen.
Kemudian, Teknik TFA digunakan untuk meningkatkan kualitas sinyal yang diinput ke model kecerdasan buatan. Dari hasil penelitian, model Support Vector Machine (SVM) mampu mencapai akurasi 91,3 persen dengan waktu pelatihan 9,25 detik, sedangkan model Bidirectional Long Short Term Memory (BLSTM) mencapai akurasi 87 persen dengan waktu pelatihan 15 detik.
Erna menjelaskan pengembangan lebih lanjut dari penelitian ini menggunakan rekomendasi penggunaan algoritma deep learning berbasis BLSTM dengan teknik optimasi yang dapat meningkatkan akurasi dan mengurangi waktu pelatihan. Selain itu, penelitian ini juga menyarankan pengembangan aplikasi pemantauan BGL berbasis Android untuk pemrosesan data yang lebih cepat dan responsif.
“Pengembangan teknik pemantauan BGL non-invasif ini menawarkan solusi potensial untuk meningkatkan kepatuhan pasien dalam memantau kadar glukosa darah secara rutin," kata Dekan FTUI, Heri Hermansyah.
Heri mengatakan dengan akurasi tinggi dan waktu pelatihan yang efisien, teknologi ini dapat menjadi alat penting dalam deteksi dini dan manajemen diabetes di masa depan. Dia berharap penelitian lanjutan dapat lebih mengoptimalkan teknologi ini melalui kombinasi algoritma dan pengembangan aplikasi berbasis perangkat mobile.
Penelitian Ernia dituangkan pada disertasinya yang berjudul “Pengembangan model Kecerdasan Buatan pada Klasifikasi Non-Invasive Kadar Glukosa Darah Berbasis Sinyal Photoplethysmography dengan Penguatan Ekstraksi Fitur Time Frequency Analysis untuk Deteksi Dini Diabetes”. Sidang Terbuka Promosi Doktor tersebut berlangsung pada 3 Juli 2024 di Ruang Smart Meeting Room, Gedung Dekanat FTUI.
Ernia berhasil mempertahankan disertasinya dan memperoleh gelar Doktor dalam Bidang Ilmu Teknik Elektro dengan predikat Cum Laude, IPK 3.98. Dia menjadi doktor ke-173 di Program Studi Teknik Elektro dan doktor ke-555 di FTUI.
Sidang promosi doktor ini dipimpin oleh Prof. Ir. Mahmud Sudibandriyo, M.Sc., Ph.D., dengan promotor Prof. Dr.-Ing. Ir. Kalamullah Ramli, M.Eng., Co-promotor 1 Dr. Prima Dewi Purnamasari, S.T, M.T, M. Sc., dan Co-promotor 2, Dr. Nursama Heru Apriantoro, S.Si, M.Si., serta penguji yang terdiri atas Prof. Dr. Ir. Riri Fitri Sari, M.M. M.Sc., Prof. Dr. Ir. Anak Agung Putri Ratna, M.Eng., Dr. Ir. Dodi Sudiana, M.Eng., Dr. Eng. Mia Rizkinia, S.T, M.T., dan Prof. Dr. Teddy Surya Gunawan, M.Eng, C.Eng, IPU.
| Baca juga: Terbaru! Tim Peneliti FKUI Ungkap Fakta Penyakit Celiac di Indonesia |
Cek Berita dan Artikel yang lain di
Google News
