Desain Perangkat Pengukuran Hemoglobin Secara Non-Invasif Berbasis Machine Learning
Abstract
Hemoglobin (Hb) merupakan indikator penting untuk menilai kondisi kesehatan karena berperan dalam transportasi oksigen dan karbon dioksida dalam tubuh. Metode pengukuran Hb yang umum digunakan saat ini bersifat invasif, membutuhkan pengambilan sampel darah yang dapat menimbulkan ketidaknyamanan, risiko infeksi, serta memerlukan waktu dan biaya tambahan. Penelitian ini bertujuan mengembangkan perangkat pengukur kadar hemoglobin secara non-invasif menggunakan sensor MAX30102 dan algoritma machine learning regresi linier. Sensor mendeteksi intensitas cahaya merah (Red) dan inframerah (IR) pada ujung jari, yang selanjutnya digunakan sebagai input dalam model prediksi kadar Hb. Model regresi linier yang digunakan memiliki persamaan: Hb = 0,19118 + 0,02011 × IR – 0,0030 × Red. Hasil evaluasi menunjukkan kombinasi sinyal rata-rata IR dan Red memberikan performa terbaik dengan MAE sebesar 0,939, MSE 1,325, RMSE 1,151, serta koefisien korelasi sebesar 0,643. Rata-rata galat antara hasil prediksi perangkat non-invasif terhadap metode invasif adalah 2,66%. Hasil ini menunjukkan bahwa perangkat non-invasif berbasis regresi linier dapat menjadi alternatif yang akurat, nyaman, dan efisien untuk pemantauan kadar hemoglobin. Kata kunci— hemoglobin, machine learning, non invasif, regresi linier.
References
[1] V. I. . Gunadi, Y. M. Mewo, and M. Tiho, “Gambaran
kadar hemoglobin pada pekerja bangunan,” J. eBiomedik, vol. 4, no. 2, pp. 2–7, 2016, doi:
10.35790/ebm.4.2.2016.14604.
[2] M. Mardiyansyah, E. Erfan, and Y. Yurman,
“Skrining Anemia Pada Lansia Melalui Pemeriksaan
Hemoglobin Di Wilayah Kerja Puskesmas Desa
Sukasari,” J. Indones. Med. Lab. Sci., vol. 3, no. 2, pp.
184–191, 2022, doi: 10.53699/joimedlabs.v3i2.120.
[3] Sri Wulandari Rahman, U. Usman, F. Umar, and H.
K. Kengky, “Faktor-faktor yang Berhubungan dengan
Kejadian Anemia Pada Remaja,” J. Gizi Kerja dan
Produkt., vol. 4, no. 2, pp. 109–118, 2023, doi:
10.52742/jgkp.v4i2.177.
[4] E. W. Ningsih, H. R. Fajrin, and A. Fitriyah,
“Pendeteksi Hemoglobin Non Invasive,” Med. Tek. J.
Tek. Elektromedik Indones., vol. 1, no. 1, 2019, doi:
10.18196/mt.010102.
[5] S. P. H. G, P. S. Ramkumar, G. K. Prabhu, and A. N.
Babu, “Methods and Devices to Determine
Hemoglobin Non Invasively : A Review,” Int. J. Sci.
Eng. Rechn., vol. 937, no. 3, pp. 934–937, 2014.
[6] P. Purwadi, P. S. Ramadhan, and N. Safitri,
“Penerapan Data Mining Untuk Mengestimasi Laju
Pertumbuhan Penduduk Menggunakan Metode
Regresi Linier Berganda Pada BPS Deli Serdang,” J.
SAINTIKOM (Jurnal Sains Manaj. Inform. dan
Komputer), vol. 18, no. 1, p. 55, 2019, doi:
10.53513/jis.v18i1.104.
[7] Firdayanti et al., Dasar-Dasar Hematologi. 2024.
[8] Q. Qomaruddin, “PENGUKURAN KADAR
HEMOGLOBIN (Hb) DARAH DENGAN METODE
NONINVASIF MENGGUNAKAN LASER,”
Instrumentasi, vol. 40, no. 1, p. 15, 2016, doi:
10.14203/instrumentasi.v40i1.49.
[9] I. Oshina and J. Spigulis, “Beer–Lambert law for
optical tissue diagnostics: current state of the art and
the main limitations,” J. Biomed. Opt., vol. 26, no. 10,
pp. 1–17, 2021, doi: 10.1117/1.jbo.26.10.100901.
[10] M. A. Adrian, M. R. Widiarto, and R. S.
Kusumadiarti, “Health Monitoring System dengan
Indikator Suhu Tubuh, Detak Jantung dan Saturasi
Oksigen Berbasis Internet of Things (IoT),” J. Petik,
vol. 7, no. 2, pp. 108–118, 2021, doi:
10.31980/jpetik.v7i2.1230.
[11] I. A. E. Zaeni, Dasar-Dasar Elektronika. 2021.
[12] S. Ningsih and H. H. Dukalang, “Penerapan Metode
Suksesif Interval pada Analsis Regresi Linier
Berganda,” Jambura J. Math., vol. 1, no. 1, pp. 43–
53, 2019, doi: 10.34312/jjom.v1i1.1742.
[13] C. Dr (Cand). Aditya Wardhana, S.E., M.Si., M.M.,
CHRMP., CIRP., CHRA., CPP. and M. M. Dr.
Zainuddin Iba, S.E., Analisis Regresi dan Analisis
Jalur untuk Riset Bisnis Menggunakan SPSS 29.0 &
SMART-PLS 4.0, no. July. 2024. [Online]. Available:
