Prediksi Parameter Kinematika Glukosa Menggunakan Quantum Neural Network Terbantu Oral Minimal Model.

Abstract

Meningkatnya penderita diabetes mellitus khususnya DM tipe 2 yang ada di seluruh dunia juga di Indonesia. Pasien-pasien pra-diabetes juga mengalami perkembangan jumlah penderita. Adanya tes diabetes dapat membantu menanggulangi maraknya penderita DM tipe 2, akan tetapi tes yang ada sekarang sangat tidak nyaman untuk dilakukan karena setiap beberapa menit sekali darah pasien akan diambil dari 6 – 10 kali. Kemampuan machine learning tepatnya quantum neural network(QNN) yang dapat belajar dari data-data eksperimen diprediksi dapat mengurangi frekuensi pengambilan darah pasien untuk tes diabetes dan pada penelitian ini ditargetkan untuk menggunakan 4 data glukosa pada darah. Penelitian ini membutuhkan program oral minimal model(OMM) untuk menyiapkan data pembelejaran untuk QNN. Performa QNN dilihat dari eror hasil program. Performa QNN untuk parameter kinematika glukosa cukup menjanjikan dengan menghasilkan nihil pada eror dalam prosesnya. Hal ini menyebabkan program QNN dianggap memiliki potensi yang besar untuk mengurangi frekuensi pengambilan darah untuk tes diabetes.