AKURASI KESAMAAN KELOMPOK DATA BERDASARKAN FCM DAN PCA-FCM PADA DATA GULA DARAH HASIL PEMINDAIAN NIRS TERHADAP DATA GULA DARAH HASIL GLUKOMETER
DOI:
https://doi.org/10.33603/e.v8i2.3384Abstract
Diabetes merupakan gangguan metabolik yang ditandai dengan kadar gula darah yang tinggi. Penderita diabetes biasanya menggunakan alat Glukometer untuk memeriksa kadar gula darah dengan cara mengambil sampel darah, tetati terdapat alternatif lain dalam pemeriksaan kadar gula darah tanpa menggunakan jarum suntuik yaitu merupakan alat NIRS (Near Infrared Spectroscopy). Pada penelitian ini dilakukan pengambilan data menggunakan alat NIRS dengan pemindaian pada darah dan jari terhadap 3 orang relawan dan menghasilkan output Data Gula Darah NIRS berupa data spektrum. Data Gula Darah NIRS dikelompokan berdasarkan kesamaan karakteristik di antara objek-objek tersebut dengan Metode Fuzzy C-Means (FCM). Disisi lain Data Gula Darah NIRS dianalisis menggunakan PCA untuk mereduksi variabel sehingga diperoleh data dari variable-variabel yang signifikan saja, selanjutnya pada hasil PCA dilakukan Clustering dengan FCM. Berdasarkan kelompok-kelompok yang terbentuk pada masing-masing analisis menggunakan FCM dan PCA-FCM, dicari akurasi kesamaan data dari cluster Data Gula Darah hasil pemindaian NIRS terhadap data hasil Glukometer dengan cara membandingkan anggota-anggota cluster. Setelah dilakukan pengelompokan pada semua data diperoleh tingkat akurasi  50%. Hal ini menunjukkan bahwa Data Gula Darah hasil pemindaian NIRS memiliki akurasi kesamaan yang cukup tinggi terhadap data hasil Glukometer.
References
Firgiansyah, Andi. (2016). Perbandingan Kadar Glukosa Darah Menggunakan Spektrofotometer dan Glukometer[skripsi]. Semarang (ID). Universitas Muhammadiyah Semarang.
KemenkesRI. (2019). Hari Diabetes Sedunia. Jakarta Selatan: Pusat Data dan Informasi.
Kusumadewi, Sri. (2004). Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu.
Kusumadewi, Sri. (2010). Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu.
Setiawan, Iwan.(2016). Implementasi Pengenalan Citra Wajah dengan Algoritma Eigenface pada Metode Pricipal Component Analysis. Dalam: Proceeding of the 2nd Informatics Conference di Universitas Budi Luhur, 18 Juni.
Suryadi, Andri.(2015). Sistem Pengenalan Wajah Menggunakan Metode Principal Component Analysis (PCA) dengan Algoritma Fuzzy C-Means (FCM). Jurnal Pendidikan Matematika. Vol.4 no. 2: 58-65.
Downloads
Published
Issue
Section
Citation Check
License
The author who published his work in this journal agrees to the following terms:
The author reserves the copyright and grants the first publishing rights journal, with works simultaneously licensed under the License: Creative Commons Attribution - Share Alike 4.0 Internasional License that enables others to share works with the acknowledgment of early publication and authorship of the work in this journal.