Simulasi Pendugaan Konsentrasi Glukosa dalam Darah pada Alat Non-Invasive.

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.