PERANCANGAN SISTEM MONITORING DIABETES DAN KOLESTEROL BERBASIS IoT MENGGUNAKAN METODE HYBRID LSTM–XGBOOST

Nadra, Naila (2026) PERANCANGAN SISTEM MONITORING DIABETES DAN KOLESTEROL BERBASIS IoT MENGGUNAKAN METODE HYBRID LSTM–XGBOOST. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf - Published Version Download (872kB)
	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (226kB)
	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (267kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf - Published Version Restricted to Repository staff only Download (722kB) | Request a copy
	Text (BAB III METODELOGI) BAB III.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) BAB IV.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy
	Text (BAB V PENUTUP) BAB V.pdf - Published Version Restricted to Repository staff only Download (200kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (195kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Penyakit diabetes dan kolesterol merupakan penyakit metabolik yang memerlukan deteksi dini untuk mencegah komplikasi. Penelitian ini bertujuan merancang dan mengimplementasikan sistem monitoring diabetes dan kolesterol berbasis Internet of Things (IoT) menggunakan metode Hybrid Long Short-Term Memory (LSTM) dan Extreme Gradient Boosting (XGBoost). Sistem memanfaatkan sensor MAX30105 untuk memperoleh data photoplethysmography (PPG), detak jantung (BPM), dan kadar oksigen dalam darah (SpO₂), serta sensor MLX90614 untuk mengukur suhu tubuh. Data diproses oleh mikrokontroler ESP32, dikirim melalui protokol MQTT ke server, disimpan dalam database, dan ditampilkan pada website secara real time. Model Hybrid LSTM-XGBoost dikembangkan menggunakan dataset diabetes dan kolesterol dari Kaggle serta data sensor melalui tahapan preprocessing, SMOTE, ekstraksi fitur menggunakan LSTM, dan klasifikasi menggunakan XGBoost. Hasil pengujian menunjukkan rata-rata error pengukuran detak jantung sebesar 8,06%, suhu tubuh 0,73%, dan SpO₂ 1,64% dibandingkan alat standar. Model menghasilkan accuracy 75,66%, precision 20,95%, recall 67,18%, Specificity 76,45%, F1-score 31,94%, dan ROC-AUC 0,7904 pada prediksi diabetes, dengan rata-rata error prediksi diabetes dan kolesterol masing-masing sebesar 8,02% dan 6,78%. Hasil penelitian menunjukkan bahwa integrasi teknologi IoT dan metode hybrid LSTM-XGBoost mampu menyediakan sistem monitoring kesehatan real time serta mendukung prediksi awal diabetes dan kolesterol secara non-invasif.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Internet of Things (IoT), MAX30105, MLX90614, Hybrid LSTM-XGBoost, Diabetes, Kolesterol, Monitoring Kesehatan
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Telecommunication Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	03 Sep 2026 08:45
Last Modified:	03 Sep 2026 08:45
URI:	http://eprints.polsri.ac.id/id/eprint/26235

Actions (login required)

View Item