dc.description.abstract | Diabetes mellitus merupakan penyakit metabolik berupa hiperglikemia
yang diakibatkan oleh gangguan sekresi insulin, kerja insulin atau keduanya
(WHO 2006). Pengendalian kadar glukosa darah dapat dilakukan dengan
melakukan kontrol glukosa darah secara rutin merupakan hal yang penting bagi
penderita penyakit diabetes. Namun pengukuran secara rutin masih jarang
dilakukan. Hal ini karena pengukuran masih dilakukan secara invasive sehingga
menimbulkan rasa sakit dan dengan biaya pengukuran yang mahal. Dibutuhkan
alat yang dapat mendeteksi kadar glukosa dengan cepat tanpa melukai tubuh
dengan biaya yang lebih terjangkau. Oleh karena itu, sedang dikembangkan suatu
alat pengukur glukosa tanpa melukai tubuh (non-invasive). Konsep dasar
pengukuran alat ini adalah menggunakan pendekatan spektroskopi yang
menghasilkan keluaran berupa residu intensitas. Metode alternatif yang mampu
menyatakan hubungan antara spektrum nilai hasil keluaran alat pengukuran noninvasive
dengan kadar glukosa darah hasil pengukuran alat invasive adalah
Jaringan Syaraf Tiruan.
JST adalah sistem komputasi yang arsitektur dan operasinya diilhami dari
pengetahuan tentang sel saraf biologi di dalam otak manusia. JST dapat dilatih
untuk mempelajari dan menganalisis pola dari data yang dimasukkan. JST
berusaha mencari suatu formula atau fungsi yang menghubungkan variabel input
dengan keluaran yang diinginkan. Salah satu algoritma yang banyak dipakai
adalah backpropagation (BP). Metode BP merupakan suatu teknik supervised
learning yang banyak digunakan pada banyak lapisan untuk pengenalan pola-pola
yang kompleks. Penelitian inimenggunakan JST dengan algoritma BP dengan
beberapa perbandingan jumlah unit neuron pada hidden layer untuk mendapatkan
struktur neuron pada lapisan tersembunyi yang memberikan hasil terbaik dalam
pendugaan kadar glukosa darah pada alat non invasive. Tingkat pengenalan JST
dalam pendugaan yang tinggi akan didapat apabila seluruh neuron pada lapisan
tersembunyi memberikan kontribusi objektif, yaitu nilai korelasi (�����) antara nilai Y
dengan nilai ����� �����
tinggi. Kondisi tersebut memberikan arsitektur terbaik yakni
arsitekstur dengan nilai RMSE yang minimum.
Terdapat beberapa model yang telah dicobakan oleh Avan (2017) untuk
pendugaan kadar glukosa darah non invasive yaitu model (����������, ln Y, 1, Zj), model
(���������� , √�����,1, Zj) dan model (���������� ,Y,1, Zj). Pada penelitian ini model tersebut di
simulasikan dengan beberapa kali ulangan pada jumlah unit neuron Zj yang
berbeda-beda, sehingga di peroleh model yang lebih baik dari penelitian
sebelumnya yaitu model (����������, ln Y, 1, 9) karena dapat menghasilkan nilai dugaan
yang lebih baik. Perbaikan model dapat mengatasi pelanggaran asumsi
heteroskedastisitas ragam galat pada model (X,Y,1,Zj). Model ini mampu
meningkatkan nilai, memperkecil RMSE dan RMSEP, membutuhkan iterasi yang
jauh lebih sedikit dan proses pembelajaran yang lebih cepat. | id |