Pemodelan Kalibrasi Alat Non-Invasive Glukosa dalam Darah dengan Pendekatan Regresi Spline

Abstract

Diabetes melitus merupakan salah satu penyakit yang dianggap serius belakangan ini. Penyakit ini disebabkan karena gangguan metabolisme yang ditandai dengan peningkatan kadar glukosa darah (hiperglikemia) yang dihasilkan dari ketidaknormalan sekresi insulin. Penderita diabetes perlu melakukan pengendalian kadar glukosa darah. Salah satu bentuk pengendalian yang dapat dilakukan adalah dengan mengukur kadar glukosa darah secara rutin. Pengecekan kadar glukosa dalam darah biasanya dilakukan dengan glukometer, yaitu alat pengukur kadar glukosa darah yang dapat melukai tubuh yang dikenal dengan alat invasive. Penggunaan alat invasive akan sangat membahayakan pasien, sehingga diperlukan solusi alat pengukur kadar glukosa darah yang aman bagi tubuh dan tanpa melukai tubuh, yaitu alat pengukur kadar glukosa darah non–invasive. Alat pengukur kadar glukosa darah non-invasive memiliki keluaran berupa spektrum nilai residu intensitas. Pada pemodelan spektrum residu intensitas diperlukan suatu metode yang dapat digunakan untuk memodelkan keluaran nilai residu intensitas. Bentuk pola data yang tidak beraturan mengakibatkan pemilihan metode parametrik tidak tepat untuk digunakan sehingga dilakukan dengan metode nonparametrik. Regresi Spline merupakan salah satu metode nonparametrik dengan proses kerja melakukan pengepasan kurva regresi berdasarkan data yang ada sehingga model akan memberikan fleksibilitas yang lebih tinggi. Model yang terbaik akan dilihat dari nilai Generalized Cross Validation (GCV) dan Root Mean Square Error Prediction (RMSEP) terkecil. Tujuan dari penelitian ini adalah memodelkan hubungan antara keluaran alat non-invasive dengan alat invasive dengan Regresi Spline Linier, Regresi Spline Kuadratik, dan Regresi Spline Kubik untuk menemukan model terbaik dalam pendugaan kadar glukosa dalam darah pada alat non-invasive. Data yang digunakan dalam penelitian ini merupakan data primer dari data Pengembangan dan Uji Klinis Purwarupa Alat Pemantauan Kadar Glukosa Darah non-invasive. Data ini dikumpulkan dari 118 responden yang merupakan mahasiswa Institut Pertanian Bogor. Prapemrosesan data dilakukan sebelum data dianalisis. Data yang digunakan merupakan data nilai residu intensitas pada saat lampu dan sensor hidup secara bersamaan pada lima periode yang telah ditentukan. Setelah pemilihan data pada kondisi tersebut, selanjutnya data diringkas, yaitu mengambil data yang merupakan data kedua awal, data tengah, dan data kedua akhir pada setiap modulasi. Peringkasan dilakukan karena jumlah data antar modulasi tidak sama. Setelah data diringkas, selanjutnya dilakukan pemilihan modulasi terbaik. Modulasi akan menggambarkan tingkat pencahayaan pada lampu. Modulasi terbaik dalam penelitian ini adalah modulasi 50%. Hal ini dikarenakan modulasi 50% memiliki nilai rata-rata dan standar deviasi terkecil dibanding dengan modulasi lainnya, selanjutnya dengan menggunakan data modulasi 50%, data dilanjutkan ke tahap analisis. Data dianalisis dengan menggunakan metode Regresi Spline Linier, Regresi Spline Kuadratik, dan Regresi Spline Kubik. Regresi Spline Linier merupakan metode terbaik dibandingkan metode Spline lainnya. Hal ini karena Regresi Spline Linier memiliki nilai Generalized Cross Validation (GCV) dan Root Mean Square of Prediction (RMSEP) terkecil. Tiga metode Regresi spline diterapkan pada tiga jenis data yang berbeda, yaitu dengan penggunaan seluruh data, penggunaan 117 data (menghapus satu data pencilan), serta penggunaan 106 data (menghapus 12 data pencilan). Penerapan metode Regresi Spline Linear pada 106 data merupakan perlakuan yang terbaik.