• Beranda
  • Website Perpustakaan
  • Panduan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Penanda Bagikan

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

Rizqi Andika Iqbal - Nama Orang; YAHYA UMAR ZAINURI - Nama Orang; Bagus Yunanto - Nama Orang; Septiantar Tebe Nursaputro - Nama Orang;

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


Fulltext
  • RE019-2026
Informasi Detail
Judul Seri
-
No. Panggil
RE 019 2026
Penerbit
Semarang : Politeknik Negeri Semarang., 2026
Deskripsi Fisik
xviii, 118 hal.: illus., 30 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
NONE
Tipe Isi
text
Tipe Media
computer
Tipe Pembawa
online resource
Edisi
-
Subjek
deep learning
gula darah non-invasif
ppg
esp32-c3
super mini
tensor flow lite
Info Detail Spesifik
-
Pernyataan Tanggungjawab
Rizqi Andika Iqbal
Versi lain/terkait

Tidak tersedia versi lain

Komentar

Anda harus masuk sebelum memberikan komentar

  • Panduan
  • Area Anggota

Tentang Kami

Si-Repo adalah platform digital yang dikelola oleh UPA Perpustakaan Politeknik Negeri Semarang, menyimpan karya ilmiah seperti Tugas Akhir, Skripsi, dan Tesis dari sivitas akademika Polines, untuk mendukung kebutuhan akademik, penelitian, dan pengembangan.

Jam Buka Perpustakaan

Senin - Kamis:
07.30 - 16.00 WIB

Jum'at:
07.30 - 16.30 WIB


NPP. 3374102C0000002
0895340731030
Follow Us
Subscribe

© 2026 — Perpustakaan Politeknik Negeri Semarang

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?