SKRIPSI DIGITAL
Sistem Pengukuran Gula Darah Non Invasif Berbasis Sensor Optik dan Data Demografi Dengan Penerapan TensorFlow Pada ESP32 = A Non-Invasive Blood Glucose Measurement System Based on Optical Sensors and Demographic Data Using TensorFlow on the ESP32
Yahya Umar Zainuri dan Rizqi Andika Iqbal, "Sistem Pengukuran Gula Darah Non Invasif Berbasis
Sensor Optik Dan Data Demografi Dengan Penerapan Tensorflow Pada ESP32", Tugas
Akhir/Skripsi DIV Jurusan Teknik Teknik Elektro Politeknik Negeri Semarang, di bawah bimbingan
Nama Bagus Yunanto,Ph.D. dan Septiantar Tebe Nursaputro,S.T., M.Tr.T.,Januari,29 Januari
2026, 105 Halaman.
Pemantauan kadar glukosa darah saat ini masih didominasi oleh metode invasif yang menimbulkan
ketidaknyamanan, sementara penelitian non-invasif sebelumnya sering mengabaikan faktor
demografi dan keterbatasan komputasi pada perangkat edge. Penelitian ini bertujuan merancang dan
merealisasikan sistem pengukuran gula darah non-invasif berbasis sensor optik MAX30102 dan data
demografi menggunakan TensorFlow pada ESP32-C3 SuperMini. Metode penelitian melibatkan
akuisisi sinyal Photoplethysmography (PPG) yang diintegrasikan dengan data usia dan jenis kelamin
sebagai variabel pendukung. Arsitektur Deep Learning "ANN" dikembangkan dan dioptimasi
menggunakan TensorFlow Lite for Microcontrollers dengan penerapan normalisasi Z-Score untuk
proses inferensi langsung pada perangkat. Hasil penelitian menunjukkan bahwa model mencapai
Mean Absolute Error (MAE) sebesar 31,51 mg/dL. Pengujian lapangan menghasilkan Mean
Absolute Relative Difference (MARD) sebesar 17,15%. Hal tersebut terjadi dikarenakan kurangnya
faktor dari jumlah sampel dan paramater fitur yang digunakan dalam membangun model Deep
Learning. Namun, sistem ini efektif menyediakan pemantauan tren glukosa secara real-time melalui
dashboard local web server.
Kata Kunci: Gula Darah Non-Invasif, PPG, Deep Learning, ESP32-C3 SuperMini, TensorFlow Lite
Tidak tersedia versi lain