Regresi Elastic Net dengan Peringkasan Luas untuk Mengukur Keakuratan Alat Non-Invasive Produk Tahun 2017 dan 2019

Abstract

Diabetes melitus merupakan salah satu penyakit yang berbahaya karena sulit untuk disembuhkan. Oleh karena itu, pemeriksaan kadar glukosa darah harus rutin dilakukan agar tidak menaikkan tingkat keparahan penyakit diabetes melitus. Tim Non-Invasive Biomarking IPB sedang mengembangkan purwarupa alat ukur kadar glukosa darah secara non-invasive. Saat ini, tim Non-Invasive Biomarking IPB sudah menciptakan 2 alat, yaitu produk tahun 2017 dan tahun 2019 dengan output berbentuk spektrum residu intensitas terhadap time-domain. Oleh karena itu, dibutuhkan pemodelan kalibrasi untuk memprediksi kadar glukosa darah. Metode pemodelan kalibrasi terbaik pada produk tahun 2017 ditemukan oleh Herianti (2020) dengan menggunakan regresi elastic net dengan algoritma detect deviating cell (DDC) untuk mengatasi pencilan. Pada tahun 2019 dilakukan pengukuran kadar gula darah non-invasive dengan alat yang berbeda. Penelitian ini bertujuan untuk menentukan alat yang lebih stabil dalam mengukur kadar gula darah secara non-invasive dari 2 alat yang tersedia, serta untuk menentukan metode peringkasan dari spektrum residu intensitas yang lebih akurat. Alat yang lebih stabil untuk mengukur kadar gula darah secara non-invasive adalah produk tahun 2017. Peringkasan pada penelitian ini menggunakan pendekatan peringkasan luas trapesium dan peringkasan 3 angka. Hasil penelitian menunjukkan bahwa, metode peringkasan terbaik adalah metode peringkasan luas.

Diabetes melitus is one of dangerous disease because it’s hard to be cured. This is shows it’s important for everyone to always control and checking their blood glucose levels to prevent make the diabetes melitus is getting worse. Non-invasive biomarking team from IPB currently developing blood glucose device measurement with non-invasive method. Now, the non-invasive biomarking team from IPB already created 2 products, design product for 2017’s and 2019’s with the output in the form of a residual intensity spectrum with respect to the time-domain. Therefore, calibration modeling is needed to predict blood glucose level. The best calibration modeling method for 2017’s device discovered by Herianti (2020) with elastic net regression and DDC algorithm for resolve the outlier. In 2019, measuring the blood glucose level were using different tools. This research aims to determine a more stable tool for measuring the blood glucose level with non-invasive method from 2 available tools, and to determine a more accurate summarization method of the intensity residual spectrum. More stable tool for measuring the blood glucose level is a 2017’s device. The summarization method in this research uses a trapezoidal area and 3 digit summarization approach. The result showed that the best summarization method is trapezoidal area summarization approach.