Skripsi Annisa R - 5215152154

SKRIPSI
Rancang Bangun Alat Pengukur Gula Darah Menggunakan Oxymeter

MAX30100 Berbasis Mikrokontroler Arduino R3
Annisa Resti Kurniawan

5215152154
PROGRAM STUDI PENDIDIKAN TEKNIK ELEKTRONIKA

FAKULTAS TEKNIK
UNIVERSITAS NEGERI JAKARTA
2022
HALAMAN JUDUL
Rancang Bangun Alat Pendeteksi Gula Darah Menggunakan Oxymeter MAX30100

Berbasis Mikrokontroler Arduino R3

5215152154
PROGRAM STUDI PENDIDIKAN TEKNIK ELEKTRONIKA

FAKULTAS TEKNIK
UNIVERSITAS NEGERI JAKARTA
2022
LEMBAR PERNYATAAN
Dengan ini saya menyatakan bahwa:
1. Skripsi ini merupakan karya asli dan belum pernah diajukan untuk
mendapatkan gelar akademik sarjana, baik di Universitas Negeri Jakarta
maupun di Perguruan Tinggi lain.
2. Skripsi ini belum dipublikasikan, kecuali secara tertulis dengan kelas
dicantumkan sebagai acuan dalam naskah dengan disebutkan nama
pengarang dan dicantumkan dalam daftar pustaka.
3. Pernyataan ini saya buat dengan sesungguhnya dan apabila di kemudian
hari terdapat penyimpangan dan ketidak benaran, maka saya bersedia
menerima sanksi akademik berupa pencabutan gelar yang telah diperoleh,
serta sanksi lainnya sesuai dengan norma yang berlaku di Universitas
Negeri Jakarta.
Jakarta, ......Januari 2022

Yang membuat pernyataan
Materai Rp. 6.000,00

No.Reg 5215152154
KATA PENGANTAR
Dengan menyebut nama Allah SWT yang Maha Pengasih lagi Maha
Penyayang, puji syukur atas kehadirat-Nya yang telah melimpahkan rahmat dan
karunia-Nya sehingga saya dapat menyelesaikan proposal penelitian dengan judul
“Rancang Bangun Alat Pengukur Gula Darah Menggunakan Oxymeter MAX30100 Berbasis
Mikrokontroler Arduino R3”
Dalam pembuatan proposal penelitian skripsi ini, penulisan tidak lepas dari
bimbingan, bantuan, dan kerja semua pihak. Dengan kerendahan hati penulis
mengucapkan banyak terimakasih kepada:
1. Dr. Baso Marudani, M.T. selaku Koordinator Program Studi Pendidikan Teknik
Elektronika.
2. Dr. Muhammad Yusro, M.Pd., M.T., selaku Dosen Pembimbing I.
3. Dr. Wisnu Djatmiko, M.T, selaku Dosen Pembimbing II.
4. Keluarga di rumah yang selalu memberikan semangat serta do’a yang tiada
hentinya.
5. Serta semua orang-orang terdekat penulis yang tidak sempat penulis sebutkan
satu persatu.
Akhir kata penulis berharap agar penulisan proposal penelitian ini dapat
bermanfaat bagi pembaca dan dapat digunakan sebagaimana mestinya.
Jakarta, 4 Januari 2022

Penulis,

ABSTRAK
Annisa Resti Kurniawan (5215152154) “Rancang Bangun Alat Pengukur Gula

Darah Menggunakan Oxymeter MAX30100 Berbasis Mikrokontroler Arduino
R3” Skripsi, Jakarta :Program Studi Pendidikan Teknik Elektronika,
Fakultas Teknik, Universitas Negeri Jakarta. Juli 2021. Dosen Pembimbing.
Dr. Muhammad Yusro, M.Pd, MT., dan Dr. Wisnu Djatmiko, M.T.
Diabetes Melitus adalah salah satu penyakit tidak menular yang paling sering terjadi
secara global. Penyakit ini menempati urutan keempat penyebab kematian di
sebagian besar negara berkembang. Pemeriksaan rutin terhadap glukosa darah juga
penting. Biasanya harus melukai tubuh (invasive), membuat orang sulit untuk
memeriksa kadar glukosa darahnya. Sehingga mulai dikembangkanlah pengukur
kadar glukosa darah secara non-invasive, tanpa melukai tubuh. Tujuan penelitian ini
adalah membuat Alat Pendeteksi Gula Darah Menggunakan Oxymeter MAX30100
Berbasis Mikrokontroler Arduino R3 untuk digunakan untuk pemeriksaan gula darah
bagi pengidap Diabetes Melitus. Penelitian ini dilakukan menggunakan metode
penelitian dan pengembangan (research and development) yang dikembangkan oleh
Brog & Gall. Prinsip dasar yang merupakan karakteristik metode penelitian dan
pengembangan 4 tahap Model Brog & Gall, yaitu: tahap analisis, tahap perancangan,
tahap pengembangan, tahap pengujian. Pada tugas akhir ini, penulis menggunaan
sensor oxymetri Max30100 untuk mengukur kadar glukosa darah berdasarkan kadar
oksigen pada pasien. Proyek akhir ini menggunakan prinsip kerja dari photodioda
dan infrared serta Led merah yang akan mengalami absorbsi cahaya oleh sifat fisis
dari molekul glukosa darah. Kemudian mencari persamaan Linear Regression dari
hubungan nilai Rasio tegangan AC dan DC dari red led dan infrared (R) dengan
kadar glukosa darah referensi.
Hasil penelitian yang dilakukan , bahwa kadar oksigen pada pasien dapat diukur
dengan sensor Max30100 dengan ini, melalui persamaan Linear Regression
ditemukan nilai R yang beragam yang akan membedakan nilai gula darah pada setiap
pasien dengan rata-rata error yang dihasilkan sebesar 0,81%dan rata-rata gula darah
pada pasien sebesar 60 mg/dL hingga 132 mg/dLsehingga didapatkan nilai gula
darah referensi melalui Clarke Grid Analysis. dari Analisis ini status pasien juga
dapat ditentukan sehingga dapat diterapkan penanganan lanjutan oleh tenaga medis
sesuai dengan kondisi pasien
Kata-Kata kunci : Diabetes, Non-Invasive, Kadar Gula Darah, Spectroscopy, Metode

Linear Regression, Clarke Error Grid Analysis, Arduino Uno, sensor Max30100
ABSTRACT
Annisa Resti Kurniawan (5215152154) “Arduino Uno-Based Design and

Development of Blood Glucose Measurement tool by Oximetric Sensor” Thesis.
Jakarta: Electronic Engineering Education Study Program, Faculty of
Engineering, State University of Jakarta, August 2021. Supervisor Dr.
Muhammad Yusro, M.Pd., MT and Dr. Wisnu Djatmiko, M.T.
Diabetes Melitus is one of non-communicable disease that oftenly occurs globally.

This disease currently being fourth rank of Most Deadful Disease in the world that
leading cause of death in most developing countries. Regular blood glucose checks
are also important. Usually have to injure the body (invasive), making it difficult for
people to check their blood glucose levels. Thus, a non-invasive blood glucose meter
has been developed, without injuring the body. The purpose of this research is to
make a Blood Sugar Detector Using Oxymeter MAX30100 Based on Arduino R3
Microcontroller to be used for checking blood sugar for people with Diabetes
Mellitus. This research was conducted using the research and development method
developed by Brog & Gall. The basic principle that is characteristic of the research
and development method is the 4-stage Brog & Gall Model, namely: the analysis
stage, the design stage, the development stage, and the testing stage. In this final
project, the author uses the Max30100 oximetry sensor to measure blood glucose
levels based on oxygen levels in patients. This final project uses the working
principle of photodiode and infrared as well as red LEDs which will experience light
absorption by the physical properties of blood glucose molecules. Then look for the
Linear Regression equation from the relationship between the AC and DC voltage
ratios of the red led and infrared (R) with reference blood glucose levels.
The results of the research , that oxygen levels in patients can be measured with the
Max30100 sensor with this, through the Linear Regression equation found various R
values that will distinguish the blood sugar value in each patient with an average
oxygen level out of 0,81 and average Blood Glucose range 60 mg/dL to 132 mg/dL
so that the reference blood sugar value obtained through Clarke Grid Analysis. From
this analysis, the patient's status can also be determined so that further treatment can
be applied by medical personnel according to the patient's condition
Keywords: Diabetes, Non-Invasive, Blood Glucose, Spectroscopy, Linear

Regression,Clarke Error Grid Analysis, Arduino. Max30100 Sensors
DAFTAR ISI
SKRIPSI 1
HALAMAN JUDUL 2
LEMBAR PENGESAHAN SKRIPSI Error! Bookmark not defined.
LEMBAR PERNYATAAN 3
KATA PENGANTAR 5
ABSTRAK 6
ABSTRACT 7
DAFTAR ISI 7
DAFTAR GAMBAR 12
DAFTAR TABEL 13
DAFTAR LAMPIRAN 14
BAB I PENDAHULUAN 15
1.1 Latar Belakang Masalah 15
1.2 Identifikasi Masalah 18
1.3 Pembatasan Masalah 18
1.4 Perumusan Masalah 19
1.5 Tujuan Penelitian 19
1.6 Manfaat Penelitian 19
BAB II TINJAUAN PUSTAKA 20
2.1 Landasan Teori 20
2.1.1 Diabetes Melitus 20

2.1.2 Glukosa 24
2.1.3 Pengukuran Glukosa 25
2.1.4 Nilai Kadar Glukosa Darah 27
2.1.5 Metode Pemeriksaan Kadar Glukosa Darah 30
2.1.6 Metode Pengukuran 30
2.1.7 Darah 30
2.1.8 Oksigen 31
2.1.9 Saturasi Oksigen 31
2.1.10 Arduino IDE 32
2.1.11 Spektroskopi 36
2.1.12 Hukum Beel-Lambert 36
2.1.13 Perangkat Masukan 37
2.1.14 Penyerapan Cahaya oleh Hemoglobin pada Sensor Max30100 41
2.2 Penelitian yang Relevan 45
2.3 Kerangka Berpikir 46
2.3.1 Diagram Blok 46
2.3.2 Diagram Alir Sistem 47
BAB III METODOLOGI PENELITIAN 49
3.1 Tempat dan Waktu Penelitian 49
3.2 Alat dan Bahan Penelitian 49
3.3 Diagram Alir Penelitian 50
3.4 Teknik dan Prosedur Pengumpulan Data 54
3.4.1 Perancangan Perangkat Keras 54
3.4.2 Perancangan Perangkat Lunak 54

3.4.3 Pengujian Perangkat Keras dan Perangkat Lunak 54
3.4.4 Implementasi Sistem 57
3.4.5 Perancangan Perangkat Keras 57
3.4.6 Menentukan Sistem Kendali 57
3.4.7 Menentukan Sensor Pendeteksi Gula Darah 60
3.4.8 Pembuatan Maket Alat 63
3.4.9 Perancangan Perangkat Lunak 65
3.4.10 Arduino IDE 66
3.5 Teknik dan Prosedur Pengumpulan Data 48
3.5.1 Teknik Analisis Data 48
3.5.2 Pengujian Liquid Crystal Display ( LCD ) 48
3.5.3 Pengujian Sensor Max30100 49
3.5.4 Pengujian Sensor Max30100 Terhadap R 51
3.5.5 Pengujian Sensor MAX30100 Terhadap Rutinitas Sehari hari 53
3.5.6 Pengujian Sensor MAX30100 Sebagai Pendeteksi Saturasi Oksigen

(SpO2) 54
3.5.7 Pengujian Metode Regresi terhadap data Sample 55
BAB IV HASIL PENELITIAN 57
4.1 Deskripsi Hasil Penelitian 57
4.1.1 Prinsip Kerja 58
4.1.2 Langkah Penggunaan 58
4.1.3 Kekurangan Alat 59
4.2 Analisis Hasil Penelitian 59
4.2.1 Hasil Pengujian LCD 60
4.2.2 Hasil Pengujian Sensor Max30100 64

4.2.3 Pengujian Sensor Max30100 Terhadap R 66
4.2.4 Hasil Pengujian Sensor MAX30100 Terhadap Kadar Gula Darah 71
4.2.5 Hasil Pengujian Sensor MAX30100 Terhadap Kadar Oksigen 84
4.2.6 Pengujian Metode Regresi Terhadap Data Sample 89
4.2.7 Metode Clarke Error Grid Analysis 92
4.3 Pembahasan 95
4.3.1 Kinerja Rangkaian Regulator 95
4.3.2 Kinerja Rangkaian Sensor Max30100 96
4.3.3 Pembacaan Nilai Gula Darah Dengan formula Linier Regression 96
4.3.4 Analisis EGA (Error Clark Grid Analysis) 97
4.4 Aplikasi Hasil Penelitian 98
BAB V KESIMPULAN DAN SARAN 99
5.1 Kesimpulan 99
5.2 Saran 100
DAFTAR PUSTAKA 101
LAMPIRAN 103
DAFTAR RIWAYAT HIDUP 119

DAFTAR GAMBAR
Gambar 2. 1 Grafik Gula Darah 21

Gambar 2. 2 Continuous glucose monitoring 26
Gambar 2. 3 Tampilan Arduino IDE 32
Gambar 2. 4 Pin Analog pada Arduino 33
Gambar 2. 5 Sensor MAX30100 seri GY-Max30100 38
Gambar 2. 6 Grafik perbedaan hemoglobin terhadap cahaya 41
Gambar 2. 7 Diagram Blok Alat 46
Gambar 2. 8 Diagram Alir Sistem 48
Gambar 3. 1 Diagram Alir Educational Research Penelitian Borg & Gall………..50

Gambar 3. 2 Diagram Alir Penelitian yang Akan Dilaksanakan 51
Gambar 3. 3Diagram Alir Penelitian 53
Gambar 3. 4 Arduino UNO R3 59
Gambar 3. 5 Rancangan Probe sensor alat ukur kadar gula darah Error! Bookmark
not defined.
Gambar 3. 6 Desain Maket Tampak Depan 63
Gambar 3. 7 Desain Maket Tampak Samping 63
Gambar 3. 8 Desain Maket Tampak Atas 65
DAFTAR TABEL
Tabel 2. 1 Kadar Gula Darah (refrensi) 28

Tabel 2. 2 Kadar Gula Darah Menurut WHO 29
Tabel 3. 1 Konfigurasi Pin Masukkan……………………..………………………65

Tabel 3. 2 Arduino IDE 67
Tabel 3. 3 Pengujian pada I2C LCD 49
Tabel 3. 4 Pengujian Sensor MAX30100 sebagai Pendeteksi Gula Darah Terhadap
Catu Daya Sensor (GDP) 50
Tabel 3. 5 Pengujian Sensor MAX30100 sebagai Pendeteksi Gula Darah Terhadap
Catu Daya Sensor (GDPP) 50
Tabel 3. 6 Pengujian Sensor MAX30100 Terhadap nilai R pada Gula darah puasa
(GDP) 51
Tabel 3. 7 pengujian Sensor Max30100 Terhadap (GDP) 53
Tabel 3. 8 pengujian Sensor Max30100 Terhadap 53
Tabel 3. 9 pengujian Sensor Max30100 Terhadap Oksigen GDP 54
Tabel 3. 10 pengujian Sensor Max30100 Terhadap Oksigen GDPP Error!
Bookmark not defined.
Tabel 3. 11 Pengujian Metode Regresi Linier terhadap Data Sampel Gula Darah
Puasa (GDP) 55
Setelah Makan (GDPP) 55
Tabel 3. 13 Pengujian Metode Regresi Error! Bookmark not defined.
Tabel 4. 1 Hasil Pengukuran Pada I2C LCD 61

Tabel 4. 2 Pengujian Sensor MAX30100 Terhadap Catu Daya Sensor (GDP) 64
Tabel 4. 4 Pengujian Sensor MAX30100 67
Tabel 4. 5 Tabel 4. 6 Pengujian Sensor MAX30100 69
Tabel 4. 7 Hasil Pengujian Sensor MAX30100 Terhadap (GDP) 71
Tabel 4. 8 Hasil Pengujian Sensor MAX30100 Terhadap (GDPP) 77
Tabel 4. 9 Hasil Pengujian Sensor MAX30100 untuk mengukur kadar oksigen
Terhadap Oksigen waktu pagi Error! Bookmark not defined.
Tabel 4. 10 Hasil Pengujian Sensor MAX30100 untuk mengukur kadar oksigen
waktu setelah makan siang Error! Bookmark not defined.
Tabel 4. 11 Metode Regresi Terhadap Data Sample Error! Bookmark not defined.
DAFTAR LAMPIRAN
Lampiran 1. Dokumentasi dan Tampilan Interface 103

Lampiran 2 skematik rangkaian 104
Lampiran 3 Desain Capit Sensor Max30100 105
Lampiran 4. Program Keseluruhan Alat…………………………………...……. 107
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Diabetes Mellitus (DM) merupakan gangguan penyakit gangguan metabolic

menahun akibat pancreas tidak memproduksi cukup insulin atau tubuh tidak dapat
menggunakan insulin yang di produksi secara efektif. Insulin adalah hormon yang
mengatur keseimbangan kadar gula darah. Akibatnya terjadi peningkatan konsentrasi
glukosa di dalam darah (hiperglikemia) (Kemenkes RI 2014).
Diabetes melitus adalah salah satu penyakit tidak menular yang paling sering
terjadi secara global. Penyakit ini menempati urutan keempat penyebab kematian di
sebagian besar negara berkembang. Hal ini menjadi bukti penting bahwa penyakit
diabetes adalah epidemik di beberapa negara berkembang dan negara indutrialisasi baru
(International Diabetes Federation, 2006).
Organisasi Kesehatan Dunia (WHO) menyatakan, pada tahun 2013 sebanyak 80%
penderita diabetes mellitus di dunia berasal dari negara berkembang salah satunya adalah
Indonesia. (Rahayu et al, Alat Pengukur Kadar Gula Darah (Glukometer) adalah
alat yang digunakan untuk mengukur kadar gula darah manusia terutama
digunakan oleh penderita Diabetes Mellitus. Kadar gula darah merupakan zat yang
berguna untuk dibakar agar mendapatkan energi. Pengukuran nilai kadar gula
darah dengan menggunakan alat glukometer sangat penting dilakukan terutama
untuk penderita Diabetes Mellitus agar mencegah sedini mungkin untuk
menghindari komplikasi yang semakin parah. Untuk pengukuran kadar glukosa
dalam darah yang saat ini dilakukan rata-rata adalah dengan menggunakan teknik
invasive atau dengan cara mengambil sample darah pada pasien kemudian diproses
dengan alat. Hal ini yang terkadang membuat penderita malas untuk melakukan
pengecekan kadar glukosa dalam darah secara berkala. (Aulia,2018)
Banyak laporan tentang terjadinya infeksi yang diakibatkan oleh
penyuntikan. Infeksi terjadi karena penderita DM tidak bisa memproduksi insulin
dalam tubuhnya. Insulin sangat penting dalam penyerapan dan pengolahan glukosa
dalam sel-sel tubuh untuk menghasilkan energi. Kekurangan energi pada bagian
luka atau sel yang rusak akan menyebabkan penyembuhan yang lama bahkan
infeksi (John, 2011).
Sebagai alternatif, pendekatan untuk mengukur konsentrasi glukosa dalam

cairan tubuh termasuk urine, air liur,cairan air mata, bahkan deteksi optik atau
metode pemindaian optik untuk diagnosis non- invasive (pendiagnosaan penyakit
tanpa melukai tubuh pasien) penyakit diabetes.
Sebelumnya pernah dibuat Alat Pengukur Kadar Glukosa Darah Secara

Non-Invasive oleh Rista Dwi, dkk. dengan judul Rancang Bangun Alat Pengukur
Kadar Glukosa Darah Secara Non-Invasive Menggunakan Sensor Oxymetri
(2019) alat ini menggunakan Sensor Oxymetri Max30100 membaca kadar oksigen
dalam darah (SPO2) dan menghitung heart rate (bpm) kekurangan penelitian ini
pada persamaan yang dipakai yaitu Log Linier Regression yang tidak bisa
digeneralisasi untuk kasus serupa dengan data yang berbeda dan pada hasil akhir
dari Clarke Error Grid Analysis menunjukkan bahwa kadar gluksoa prediksi belum
memiliki keakuratan signifikan untuk dilakukan diagnosa
dan oleh Sangkot Riana yang berjudul Rancang Bangun Alat Ukur Kadar
Gula Darah Berbasis Arduino Uno (2019) Alat ini bekerja dengan memanfaatkan
sinar LED dan fotodioda yang dimana menggunakan LED hijau. Kemudian dari
masukan LED hijau dan fotodioda akan diteruskan oleh pengkondisi sinyal yang
terdiri atas rangkaian low pass filter, high pass flter, buffer dan peak detector yang
menggunakan arduino uno. . kekurangan penelitian ini terdapat pada sensor yang
dipakai yang harus memerlukan rangkaian pengolah sinyal yang cukup banyak dan
kurang terintegrasi.
Lalu penelitian oleh Putra Gunawan dengan judul Rancang Bangun Alat
Ukur Kadar Gula Darah Non-Invasive Berbasis Mikrokontroler Atmega 328p
Dengan Mengukur Tingkat Kekeruhan Spesimen Urine Menggunakan Paket Sensor
Photodiode Dan Light Emiting Diode (2015) Perancangan sistem alat dalam
penelitian ini menggunakan urin sebagai spesimen untuk menentukan tingkat gula
darah. Perancangan sistem ini bekerja dengan mengukur tingkat warna dan
kekeruhan dari spesimen urin dicampur dengan Benedict dan menggunakan paket
sensor yang terdiri dari 3 fotodioda (P1, P2, P3) dan tiga LED (merah, hijau, biru)
dengan mikrokontroler sebagai unit kontrol. Nilai sensor diterima oleh alat ukur
dalam bentuk RGB
Sedangkan untuk pengukuran Gula Darah secara non-invasive lainnya
adalah penelitian Alat Pengukur Kadar Gula Darah Non-Invasive Berdasarkan
Perbedaan Suhu Tragus Dan Antihelix oleh Mochammad Nurudin (2019)
menggunakan sensor suhu PT100 untuk pengukuran suhu pada titik tragus
dan antihelix di telinga, kemudian diproses oleh mikrokontroler Arduino
hingga terdapat hasil nilai glukosa darah yang selanjutnya ditampilkan pada
Display LCD dilakukan dengan mengkonversi nilai perbedaan suhu tragus dan
antihelix yang kemudian dibandingkan dengan nilai glukosa darah referensi, suhu
referensi, dan HbA1c normal. Pada modul ini sensor suhu PT100 digunakan untuk
pengukuran suhu pada titik tragus dan antihelix di telinga.
Berdasarkan latar belakang yang telah diuraikan diatas, maka tujuan dari penelitian
ini adalah Merancang, membuat, dan Mengukur Alat Pendeteksi Gula Darah
Menggunakan Oxymeter MAX30100 Berbasis Mikrokontroler Arduino R3
menggunakan Perangkat Masukan sensor Max30100 dengan seri terbaru dan
mengembangkannya dengan bentuk model Fingertip Sensor agar pembacaan sensor
lebih maksimal dan penyebaran cahaya lebih merata.
1.2 Identifikasi Masalah
Dari uraian latar belakang tersebut maka dapat diidentifikasikan masalah

sebagai berikut:
1. Kalibrasi Sensor pengukur gula darah belum terlalu matang sehingga belum
bisa mendapatkan hasil gula darah yang akurat
2. Bagaimana proses sinkronisasi dan kalibrasi data hasil pengukuran kadar

gula darah secara Non-Invasive
3. Pengukuran kadar gula darah umumnya dilakukan secara invasive
(melukai bagian tubuh) sehingga menyebabkan iritasi pada pasien
1.3 Pembatasan Masalah
Adapun batasan masala pada penelitian sebagai berikut:
1. Sistem Rancang Bangun Alat Pendeteksi Gula Darah Menggunakan

Oxymeter MAX30100 Berbasis Mikrokontroler sebagai pemrosesnya
2. Alat ini hanya mengukur kadar gula darah (Mg/dL) pada manusia
3. Sensor yang dirancang dalam penelitian ini menggunakan Finger Sensor

SpO2 seri MAX30100 yang telah dimodifikasi
4. Nilai Glukosa merupakan Nilai Glukosa Prediksi (GDP) yang didapatkan

dari rumus Regresi Linier
5. Nilai keluaran yang dihasilkan ditampilkan di LCD saja

1.4 Perumusan Masalah
Berdasarkan latar belakang masalah, identifikasi masalah, serta

pembatasan masalah, maka dapat dirumuskan masalah dalam penelitian yaitu
“Bagaimana merancang, membuat, dan menguji Alat Pendeteksi Gula Darah
Menggunakan Oxymeter MAX30100 Berbasis Mikrokontroler Arduino R3?”
1.5 Tujuan Penelitian
Tujuan penelitian ini adalah :
1. Merancang bangun Alat Pendeteksi Gula Darah Menggunakan Oxymeter

MAX30100 Berbasis Mikrokontroler Arduino R3untuk membantu pasien
dalam melakukan tes gula darah secara non-invasive yaitu pemeriksaan
gula darah yg dilakukan secara tidak langsung sehingga tidak terifeksi
2. Membuat Alat Pendeteksi Gula Darah sesuai dengan metode Pengukuran
non Invasive
3. Menguji Alat Pendeteksi Gula Darah Menggunakan Oxymeter MAX30100
Berbasis Mikrokontroler Arduino R3
1.6 Manfaat Penelitian
Diharapkan penelitian ini dapat Memudahkan Pasien dalam pengontrolan gula

darah secara otomatis dan non-Invasive dan Mengurangi resiko terjadinya infeksi
atau luka yang disebabkan alat ukur gula darah konvensional
BAB II
TINJAUAN PUSTAKA
2.1 Landasan Teori
Pada bagian bab ini akan dipaparkan teori-teori dalam melakukan

perancangan dan pembuatan Rancang Bangun Alat Pendeteksi Gula Darah
Menggunakan Oxymeter MAX30100 yang akan dirancang. Bab ini bertujuan
untuk mempermudah penyusun dalam melakukan perancangan sistem yang akan
dilakukan.
2.1.1 Diabetes Melitus

Diabetes Melitus (DM) atau disebut diabetes saja merupakan penyakit
gangguan metabolik menahun akibat pankreas tidak memproduksi cukup insulin
atau tubuh tidak dapat menggunakan insulin yang diproduksi secara efektif.
Insulin adalah hormon yang mengatur keseimbangan kadar gula darah. Akibatnya
terjadi peningkatan konsentrasi glukosa di dalam darah (hiperglikemia). Toleransi
Glukosa Tergantung (TGT) atau Impaired Glucose Tolerance (IGT) dan Glukosa
Darah Puasa (GDP) terganggu atau Impaired Fasting Glycaemia (IFG) merupakan
kondisi transisi antara normal dan diabetes. Orang dengan IGT atau IFG berisiko
tinggi berkembang menjadi diabetes tipe 2. Dengan penurunan berat badan dan
perubahan gaya hidup, perkembangan menjadi diabetes dapat dicegah atau
ditunda. (Kementrian Kesehatan RI, 2014)
2.1.1.1 Klasifikasi Diabetes Mellitus
Secara umum Diabetes Mellitus dibagi menjadi 3 tipe, yaitu :
a. Diabetes Tipe 1 (IDDM-Insulin Dependent Diabetes Mellitus)
Pada beberapa penelitian disebutkan bahwa antara Diabetes Mellitus tipe 1

dengan HLA- DR3 dan HLA-DR4. Diabetes Mellitus tipe 2 dapat menjadi
Diabetes Mellitus tipe1 apabila penderita Diabetes Mellitus tipe 2 tersebut tidak
dapat lagi memberi respon pada pemberian obat- obatan oral, tidak dapat lagi
dirangsang peningkatan produksi insulin oleh sel β pankreas (Dalimunthe, 2004).
Tipe 1 ini adalah jenis diabetes yang tidak begitu umum hanya kira-kira
10-20% dari semua penderita diabetes yang mengidap IDDM. Tipe diabetes
seperti ini bermula pada masa kanak-kanak atau remaja.
b. Diabetes Mellitus Tipe 2 (NIDDM-Non Insulin Dependent Diabetes

Mellitus).
Diabetes Tipe 2 sangat sering terjadi pada orang dewasa yang kelebihan berat
badan yang telah berumur lebih dari 40 tahun. Pada diabetes tipe 2, kelenjar masih
memproduksi sejumlah insulin.Pada beberapa kasus, tubuh tidak memproduksi
cukup insulin. Pada kasus lain, mungkin tubuh memproduksi cukup insulin, tetapi
insulin itu menjadi tidak efektif oleh karena penerima insulin sel- sel tubuh macet.
(Johnson,1998).
Pada Gambar 2.1 menunjukan naik turunnya gula darah pada penderita
diabetes yang di beri insulin dan pada orang normal. Grafik naik turunnya warna
hitam menunjukan naik turunnya orang yang menderita diabetes, sedangkan garis
warna ungu menunjukan naik turunnya gula darah pada orang normal. kedunya
memang naik turun seiring dengan waktu, akan tetapi pada orang normal lonjakan
gula darahnya tidak drastis seperti orang yang menderita diabetes.
Kotak putih adalah waktu pada kedunya makan, sedangkan bulatan
warna hitam adalah saat penderita diabetes di suntik dengan insulin.Grafik naik
turunnya warna hitam menunjukan naik turunnya orang yang menderita diabetes,
sedangkan garis warna ungu menunjukan naik turunnya gula darah pada orang
normal. kedunya memang naik turun seiring dengan waktu, akan tetapi pada
orang normal lonjakan gula darahnya tidak drastis seperti orang yang menderita
diabetes.
c. Diabetes Gestasional (kehamilan)
Diabetes ini hanya terjadi pada saat kehamilan dan menjadi normal kembali
setelah persalinan, artinya kondisi diabetes atau intoleransi glukosa yang didapat
selama kehamilan biasanya pada trismester dua atau tiga.
2.1.1.2 Determinan Diabetes Mellitus
Banyak orang mempunyai gaya hidup seperti jarang melakukan aktifitas

fisik atau latihan jasmani, makan terlalu banyak makanan yang mengandung lemak
dan gula, serta terlalu sedikit makanan yang mengandung serat dan
tepung-tepungan. Gaya hidup seperti tadi dapat menjadi penyebab utama
tercetusnya diabetes (Soegondo, 2008).
Menurut dr. Marianti Resiko yang lebih besar mendapatkan diabetes adalah apabila
:
1. Faktor keturunan jika mempunyai saudara, orangtua atau kakek dan nenek
dengan diabetes
2. Berumur 45 tahun atau lebih
3. Berat badan lebih atau obesitas
4. Glukosa darah puasa atau sesudah makan melebihi batas-batas normal

(prediabetes atau toleransi glukosa terganggu)
5. Tekanan darah tinggi yaitu lebih besar dari 130/85

6. Kolestrol tinggi jika LDL kolestrol >130 mg/dL atau kolestrol total 200
mg/dL
7. Kadar Hemoglobin yang Rendah
8. Melahirkan bayi dengan berat badan lebih dari 4 kilogram
9. Pernah Mengalami Diabetes Gestasional
10. Gagal Ginjal
Kadar gula darah yang tinggi dan terus menerus dapat menyebabkan suatu
keadaan gangguan pada berbagai organ tubuh. Akibat keracunan yang menetap
ini, timbul perubahanperubahan pada organ-organ tubuh sehingga timbul berbagai
komplikasi. Jadi komplikasi umumnya timbul pada semua penderita baik dalam
derajat ringan atau berat setelah penyakit berjalan 10-15 tahun (Darmono, 2007)
Salah satu dari sekian banyak faktor resiko penyakit yang dapat ditimbulkan
oleh Diabetes Melitus adalah gagal ginjal hal ini dikarenakan kadar gula dalam
darah yang tinggi membuat ginjal bekerja lebih keras untuk menyaring darah,
sehingga mengakibatkan kebocoran pada ginjal. Pada awalnya, kebocoran protein
albumin yang dikeluarkan melalui urin dialami oleh penderita, selanjutnya
berkembang dan menyebabkan fungsi penyaringan ginjal menurun (Cahyaningsih,
2011).
Pada saat itu, tubuh akan mendapatkan banyak limbah karena menurunnya
fungsi, ketika terjadi penurunan fungsi pada ginjal maka akan berpengaruh pada
pembentukan eritropoietin sebagai pembentuk Hemoglobin dan bisa
menyebabkan penurunan kadar hemoglobin didalam tubuh (Darmono, 2007).
Anemia hampir selalu di temukan pada penderita gangguan ginjal, yaitu kurangnya sel
darah merah dan kurangnya zat besi. Sel darah merah mengandung protein yang bernama
hemoglobin, dan setiap hemoglobin memiliki 4 atom zat besi. Hemoglobin dalam
keadaan normal mengandung kira ± kira dua gram zat besi (Jansen,2010).
Hemoglobin merupakan parameter anemia yang umum tetapi kurang sensitif untuk
penetapan status besi pada penderita gangguan ginjal. Kadar hemoglobin menurun pada
penderita gangguan ginjal di sebabkan oleh menurunnya kadar eritropoietin/EPO, hormon
yang di hasilkan oleh ginjal sehat untuk memproduksi sel darah merah. Apabila tubuh
kekurangan kadar oksigen maka ginjal yang sehat akan melepas hormon eritropoietin
yang akan merangsang sumsum tulang belakang untuk memproduksi lebih bnyak sel
darah merah (Jansen,2010).
Akibat dari penurunan kadar Hb yang berfungsi sebagai media transportasi
nutrisi dan oksigen ke seluruh tubuh mengakibatkan penderita DM tipe 2.
2.1.2 Glukosa
Di dalam darah terdapat zat glukosa, glukosa ini berguna untuk

dibakar agar mendapatkan energi. Sebagian glukosa yang ada dalam darah
adalah hasil penyerapan dari usus dan sebagian lagi dari hasil pemecahan
simpanan energi dalam jaringan (Sugiyarti, 2016).
Glukosa, fruktosa dan galaktosa masuk melalui dinding usus halus
ke dalam aliran darah. Fruktosa dan galaktosa akan diubah dalam tubuh
menjadi glukosa. Glukosa merupakan hasil akhir dari pencernaan dan
diabsorbsi secara keseluruhan sebagai karbohidrat. Kadar glukosa dalam
darah bervariasi dengann daya penyerapan, akan menjadi lebih tinggi setelah
makan dan akan menjadi turun bila tidak ada makanan yang masuk selama
beberapa jam. Glikogen dapat lewat dengan bebas keluar dan masuk ke dalam
sel dimana glukosa dapat digunakan semata-mata sebagai sumber energi.
Glukosa disimpan sebagai glikogen di dalam sel hati oleh insulin (suatu hormon
yang disekresi oleh pankreas). Glikogen akan diubah kembali menjadi glukosa
oleh aksi dari glukogen (hormon lain yang disekresi oleh pankreas) dan
adrenalin yaitu suatu hormon yang disekresi oleh kelenjar adrenalin
(Sugiyarti, 2016).
2.1.3 Pengukuran Glukosa
Untuk memastikan bahwa tingkat glukosa selalu dalam kisaran normal,

pemantauan terus menerus dari kadar glukosa diperlukan. Pengukuran glukosa
darah dikategorikan menjadi tiga teknik; invasif, minimal invasif, dan
non-invasive
2.1.3.1 Teknik Invasif
Teknik invasif di perangkat pengukuran glukosa banyak digunakan karena

memiliki akurasi pengukuran yang tinggi. Teknik invasif yang paling umum
digunakan adalah tusukan jari di mana darah diambil dari jari dengan
menggunakan lancet (kecil, jarum yang tajam) untuk menarik sampel darah.
Sampel darah dijatuhkan pada strip tes dan ditempatkan dalam glucometer akan
menampilkan tingkat glukosa darah. Beberapa praktek yang umum
memungkinkan ekstraksi darah diperoleh dari situs lain dari tubuh seperti lengan
atas, lengan bawah, pangkal ibu jari dan paha.
Namun pembacaan kadar glukosa darah mungkin berbeda-beda

dibandingkan dengan pembacaan yang diperoleh dari ujung jari (Tuchin, 2008).
Untuk pemantauan glukosa darah terus menerus, beberapa menusuk jari yang
tidak diinginkan seperti yang menyakitkan dan memiliki risiko yang lebih tinggi
dari infeksi. Untuk mengurangi rasa sakit dan risiko infeksi, teknik alternatif
diperkenalkan, dikenal sebagai pengukuran glukosa darah minimal invasif.
2.1.3.2 Teknik Minimal Invasif
Teknik Minimal Invasif pertama kali diperkenalkan oleh Schichiri (1985)

dengan perkembangan subkutan implan jarum-jenis elektroda. Yang digunakan
teknik implantasi subkutan mampu menghindari masalah infeksi seperti
septikemia, fouling dengan pembekuan darah, dan emboli (Shichiri, 1982)
Mereka telah merancang sebuah sensor glukosa dengan jarum halus, atau
kawat fleksibel dan elemen penginderaan aktif diimplementasikan di ujung dan
ditanamkan dalam jaringan subkutan. Saat ini, ada berbagai jenis sistem
pemantauan glukosa kontinyu yang telah dikomersialkan. Contoh sistem tersebut
mungkin menggunakan deteksi elektrokimia atau dan deteksi optik oksidase
glukosa untuk mengukur glukosa dalam darah (Kurniawan, 2018)
Medtronic Inc MiniMed telah memperkenalkan sistem pemantauan glukosa
terus menerus terbaru, seperti yang ditunjukkan pada Gambar 2.2 yang
menggunakan deteksi elektrokimia glukosa dalam darah. Untuk mengukur kadar
glukosa dalam cairan jaringan, sensor glukosa dalam bentuk elektroda kecil
dimasukkan di bawah kulit dan terhubung ke pemancar (Medtronic, 2018)
Meskipun teknik minimal invasif membantu mengurangi rasa sakit dan
risiko infeksi, masih tidak diinginkan untuk beberapa pasien diabetes karena
masih melibatkan kontak langsung dengan jaringan. Selain itu, pengukuran yang
kadang-kadang tidak akurat karena kebisingan dan artefak dihasilkan dari gerakan
pasien dan reaksi antara elektroda dan reaktan lainnya dalam darah (Vashist,
2012)
2.1.3.3 Teknik Non-Invasif

Alasan utama untuk upaya mengembangkan penelitian di bidang
pengukuran glukosa darah non-invasive adalah karena pada bidang inilah
satu-satunya cara untuk mengembangkan sistem pemantauan kadar glukosa tanpa
merasasakan sakit akan jarum sedikitpun. Alih- alih penggalian darah, cairan lain
seperti air liur, keringat, urin, atau air mata dapat digunakan sebagai alternatif
untuk mengukur konsentrasi glukosa. Selain itu, kadar glukosa juga dapat diukur
melalui pengukuran langsung dari jaringan tubuh seperti, kulit, lidah, humor
berair mata dan mukosa mulut. (Amaral et al, 2008)
2.1.4 Nilai Kadar Glukosa Darah

Kadar glukosa terendah biasanya pada pagi hari, sebelum makan
pertama dan akan meningkat beberapa mmol setelah makan dalam waktu satu
atau dua jam.Kadar gula darah di luar rentang normal dapat dijadikan
indikator kondisi medis. Keadaan dimana kadar gula darah yang tinggi atau
melebihi batas kadar gula darah normal disebut hiperglikemia, sebaliknya
apabila kadar gula darah rendah disebut hipoglikemia. Penyakit yang dapat
disebabkan akibat kadar gula darah yang tinggi disebut diabetes mellitus
(Rosemary, 2006).
Tabel 2. 1 Kadar Gula Darah (refrensi)
mmol/L mg/dL Interpertasi

2,0 35 Sangat rendah
3,0 55 Rendah
4,0 75 Agak rendah
4,4 80 Normal
5,5 100 Normal
5,6 90-100 Normal sebelum makan untuk
non-diabetic
8,0 150 Normal setelah makan untuk
non-diabetic
10,0 180 Maksimal setelah makan untuk
non-diabetic
15,0 270 Sedikit tinggi ke agak tinggi
tergantung pada
Pasien
20,0 360 Sangat tinggi
22,0 400 Maksimal (maksimal untuk
beberapa test meter)
33,0 600 Bahaya tinggi
Tingkat gula darah normal (diuji pada saat puasa) untuk non
penderita diabetes antara 75-100 mg/dL. Kadar gula darah normal pada manusia
rata-rata yaitu sekitar 5,5 mmol/L atau 100 mg/dL, tetapi kadar gula darah ini
berfluktuasi setiap hari. Kadar gula darah non penderita diabetes dan diuji
pada saat tidak berpuasa yaitu harus di bawah 125 mg/dL (Glucose blood,
National Institute of Health).
Tabel 2. 2 Kadar Gula Darah Menurut WHO
(Sumber : World Health Organization WHO 2005)
IGT oleh WHO didefinisikan sebagai kondisi dimana seseorang mempunyai

resiko tinggi untuk terjangkit diabetes walaupun ada kasus yang menunjukkan
kadar gula darah dapat kembali ke keadaan normal. Seseorang yang kadar gula
darahnya termasuk dalam kategori IGT juga mempunyai resiko terkena penyakit
jantung dan pembuluh darah yang sering mengiringi penderita diabetes. Kondisi
IGT ini menurut para ahli terjadi karena adanya kerusakan dari produksi
hormon insulin dan terjadinya kekebalan jaringan otot terhadap insulin yang
diproduksi (Randhika, 2012).
Batas bawah untuk IFG tidak berubah untuk pengukuran gula darah
puasa yaitu 6,1 mmol/L atau 110 mg/dL. IFG sendiri mempunyai kedudukan
hampir sama dengan IGT. Bukan entitas penyakit akan tetapi sebuah kondisi
dimana tubuh tidak dapat memproduksi insulin secara optimal dan
terdapatnya gangguan mekanisme penekanan pengeluaran gula dari hati ke
dalam darah (Randhika, 2012).
2.1.5 Metode Pemeriksaan Kadar Glukosa Darah
Macam-macam pemeriksaan glukosa darah adalah sebagai berikut :
1.) Glukosa darah sewaktu

Pemeriksaan glukosa darah yang dilakukan setiap waktu sepanjang hari
tanpa memperhatikan makanan terakhir yang dimakan dan kondisi tubuh
orang tersebut (Depkes RI, 1999).
2.) Glukosa darah puasa dan 2 jam setelah makan

Pemeriksaan glukosa darah puasa adalah pemeriksaan glukosa yang
dilakukan setelah pasien berpuasa selama 8-10 jam, sedangkan pemeriksaan
glukosa 2 jam setelah makan adalah pemeriksaan yang ilakukan 2 jam
dihitung setelah pasien menyelesaikan makan (DepkesRI, 1999).
2.1.6 Metode Pengukuran
Metode pengukuran yang di gunakan adalah mengukur nilai perbandingan

tegangan AC dan DC milik Infrared Led dan Red Led. Untuk mendapatkan nilai
R adalah dengan mengolah data SPO2 yang telah terbaca oleh mikrokontroler
Adapun pengolah nilai R dengan rumus seperti pada persamaan 1.
110−𝑆𝑝𝑜
𝑅= 25
............................................... (1)
Persamaan tersebut menggambarkan hubungan linier antara nilai R dan

kadar glukosa darah. Dimana dengan adanya persamaan Linier Regression maka
akan didapatkan kadar glukosa darah prediksi.
2.1.7 Darah
Darah merupakan salah satu jaringan tubuh dalam sistem pembuluh darah
yang sebenarnya tertutup. Darah dibagi dalam dua fungsi yaitu fungsi respirasi
dan fungsi gizi. Fungsi respirasi yaitu sebagai pengangkut oksigen (O2) dan
karbon dioksida (CO2). Dalam satu sel darah terdiri dari hemoglobin, eritrosit,
hematrosit, retikulosit, laju endap darah, trombosit, dan leukosit (Biokimia, Endah,
& Hendarmin, n.d.)
2.1.8 Oksigen
Respirasi eksternal meliputi pertukaran udara antara atmosfir dan

paru-paru. Pertukaran oksigen dan carbon dioksida antara paru-paru dan
darah,pengangkutan oksigen dan karbondioksida oleh darah dan pertukaran gas
antara darah dan sel-sel jaringan. 1,2 Oksigen diangkut oleh darah sebagian besar
(sekitar 97%) dalam bentuk terikat dengan hemoglobin,dan sisanya dalam bentuk
terlarut dalam plasma (Fikri & Ganda, 2005)
2.1.9 Saturasi Oksigen
Oksigen terikat pada sisi heme dari hemoglobin.Persentasi sisi heme

hemoglobin yang mengikatoksigen disebut saturasi oksigen (SaO2).Bagian
hemedari molekul hemoglobin mampu mengikat empatmolekul oksigen. Saturasi
oksigen tidak menunjukkanjumlah total oksigen dalam darah, karena tidak
semuaoksigen terikat dengan hemoglobin.7,9,10.Saturasi oksigen dipengaruhi
terutama oleh tekanan oksigen (PaO2) (Fikri & Ganda, 2005)
kadar O2 atau kekurangan oksigen adalah salah satu komplikasi terbesar

dari diabetes dan Covid-19. Diabetes menekan fungsi kekebalan dan membuat
pasien lebih rentan menderita gejala kekurangan oksigen seperti sesak napas,
sesak napas, nyeri dada, dan atau atau masalah paru.
2.1.10 Arduino IDE
Platform Arduino telah menyediakan sebuah perangkat lunak sendiri untuk

menulis kode-kode program dan mengunggah program tersebut kedalam papan
Arduino. Perangkat lunak tersebut bernama Arduino IDE dengan bahasa
pemrograman yang digunakan adalah bahasa C++ dan sudah disederhanakan lagi.
Dengan penggunaan bahasa pemrograman C++ yang sudah disederhanakan,
menjadikan papan sirkuit Arduino ini semakin disenangi oleh masyarakat.
(Cvjetkovic & Matijevic, 2016)
Tampilan Arduino IDE seperti yang ada pada Gambar 2.7
Gambar 2. 3 Tampilan Arduino IDE

Arduino IDE dapat membuat suatu proyek dengan kerangka kode, titik
awal dalam pengembangan proyeknya pengguna menyusun dan menyimpan kode
dalam file yang disebut sketch. Sketch ini akan melakukan sintaks pemeriksaan
dari kode program yang dibuat disebut juga kompilasi (compile) setelah selesai
kemudian mengunggah (Upload) kode yang dikompilasi ke papan Arduino yang
dipilih mnggunakan koneksi USB (Cvjetkovic & Matijevic, 2016)
Arduino memiliki kemampuan untuk menerima, mengolah, dan
memberikan output signal digital. Contohnya, bila microcontroller dengan catu
daya 5 volt, microcontroller tersebut dapat mengenali tegangan sebesar 0 volt
sebagai signal digital low, atau tegangan 5 volt sebagai signal digital high.
Sedangkan untuk mengenali nilai tegangan antara 0 volt hingga 5 volt, diperlukan
feature khusus, yakni Analog-to-Digital Converter. Analog-to-Digital Converter
atau biasa disebut ADC, memungkinkan microcontroller untuk mengenali suatu
nilai analog melalui suatu pendekatan digital. Arduino telah dilengkapi dengan
feature ADC yang terintegrasi di dalamnya. (Cvjetkovic & Matijevic, 2016))
berikut pin-pin ADC yang dijelaskan pada gambar 2.4
(Sumber : https://store.arduino.cc/usa/arduino-mega-2560-rev3-with-1sheeld)
Pada board Arduino Uno terdapat enam pin analog, yaitu mulai dari A0
hingga A5. Huruf A pada awal nama pin Arduino menandakan pin tersebut dapat
digunakan untuk mengolah signal analog. Seberapa tepat nilai signal analog yang
dipetakan secara digital, ditentukan oleh seberapa besar resolusi ADC. Semakin
besar resolusi ADC, maka semakin mendekati nilai analog dari signal tersebut.
Untuk resolusi ADC pada board Arduino Uno ialah 10 bit, yang berarti mampu
memetakan hingga 1024 discrete analog level. Beberapa jenis microcontroller lain
memiliki resolusi 8 bit, 256 discrete analog level, bahkan ada yang memiliki
resolusi 16 bit, 65536 discrete analog level. (Yusro, 2018)
Adapun bagian – bagian arduino uno adalah:

a. Digital I/O
Arduino Uno memiliki 14 pin yang bisa digunakan untuk input dan
output (input berupa sensor-sensor, dan output seperti LED, Speaker,
Servo, dan sebagainya). Pin tersebut mulai dari 0 sampai 13, tapi
khusus untuk pin 3, 5, 6, 9, 10 dan 11 dapat digunakan sebagai pin
analog output.
Tabel 2. 3 Konfigurasi Pin I/O Arduino Uno
No Pin Fungsi Fungsi alternatif

0 Digital I/O 0 RX (serial – receiver)
1 Digital I/O 1 TX (serial – transmiter)
2 Digital I/O 2 Interupsi external
3 Digital I/O 3 Interupsi external & PWM
4 Digital I/O 4 –
5 Digital I/O 5 PWM
6 Digital I/O 6 PWM
7 Digital I/O 7 –
8 Digital I/O 8 –
9 Digital I/O 9 PWM
10 Digital I/O 10 SPI – SS & PWM
11 Digital I/O 11 SPI – MOSI & PWM
12 Digital I/O 12 SPI – MISO
13 Digital I/O 13 SPI – SCK & LED
b. Analog Input
Arduino Uno memiliki 6 pin yang bisa digunakan untuk input sensor
analog, seperti sensor benda, sensor cahaya, sensor suhu dan
sebagainya. Pin tersebut mulai dari 0 sampai 5. Nilai sensor dapat
dibaca oleh program dengan nilai antara 0-1023, itu mewakili
tegangan 0-5V. Kemudian pin 5,6,9,10 dan 11 dapat dipakai untuk
PWM (Pulse Width Modulation) yang sering dipakai untuk kendali
motor DC maupun motor servo namun pada penelitian ini pin-pin
tersebut tidak terpakai .pada tabel disajikan konfigurasi pin analog
input sebagai berikut
Tabel 2. 4 Konfigurasi Pin Analog Input
No pin Fungsi Fungsi Alternatif

A0 Analog Input 1 –
A4 Analog Input 5 TWI – SDA
A5 Analog Input 6 TWI – SCL
c. USB
Arduino UNO adalah jenis Arduino yang dapat diprogram

menggunakan USB type A to type B. Untuk socket yang type A
sambungkan ke komputer, yang type B dipasangkan ke Arduino
Uno.
d. Power
Pada Arduino board, ada 2 (dua) pilihan sumber tegangan yang

dapat digunakan, yakni dari port USB maupun dari power supply
eksternal. Dengan menghubungkan port USB di komputer/laptop
dengan Arduino maka secara otomatis power supply Arduino
bersumber dari port USB. Untuk sumber tegangan eksternal
(non-USB) yakni dengan menghubungkan Arduino board dengan
sumber tegangan DC. Tegangan yang direkomendasikan adalah 7
sampai 12 V, jika kurang dari 7V akan menyebabkan
ketidakstabilan tegangan, sedangkan jika lebih dari 12V akan
menyebabkan panas dan akibat fatal berupa kerusakan pada board
Arduino. (Yusro, 2018)
2.1.11 Spektroskopi
Spektrokopi merupakan cabang ilmu yang mempelajari pengukuran

berdasarkan pada interaksi cahaya dengan materi. Apabila materi
dipancarkan cahaya kemungkinan cahaya akan diserap atau dipancarkan
kembali dengan nilai panjang gelombang yang sama atau berbeda. Metode
spektroskopi yang digunakan pada alat ukur gula darah memanfaatkan
panjang gelombang pada infrared dengan panjang gelombang antara 750 nm
sampai 10000 nm.( Nurudin ,2019)
2.1.12 Hukum Beel-Lambert
Hukum beel-lambert adalah kombinasi dari dua hukum yang

digabungkan untuk membentuk model matematika untuk mengekspresikan
bagaimana cahaya diserap oleh materi.
A= Ɛcl................................................................................(1)
Keterangan:
A=Absorbansi
Ɛ= Koefisien Absorptivitas molar
C=Konsentrasi Molar
Dari persaman diatas terdapat korelasi antara penyerapan dengan

konsentrasi larutan. Karena konsentrasi gula darah atau tingkat glukosa
serum dalam tubuh, mempengaruhi tingkat konsentarasi darah yang
merupakan salah satu faktor penyebab terjadinya penyerapan cahaya dapat
mengalir.
2.1.13 Pengujian In Vivo dan In Vitro
Penelitian yang berkaitan dengan makhluk hidup khususnya manusia

dapat dilakukan dengan dua jalan yaitu melalui pengujian in vivo dan in vitro.
Kata in vitro dan in vivo berasal dari bahasa Latin yang masing-masing
berarti'dalam gelas' dan 'dalam kehidupan'. (Trifena, 2012.)
Pada pengujian in vitro prosedur medis, tes, dan eksperimen yang

dilakukan para peneliti di luar organisme hidup. Artinya, pengujan ini akan
dilakukan di luar tubuh. Sedangkan in vivo adalah pengujian yang mengacu
pada eksperimen menggunakan keseluruhan organisme hidup.. Artinya,
pengujian akan dilakukan berdasarkan keadaan dari dalam organisme tersebut.
Berdasarkan Prinsip Penyerapan cahaya dari hukum beel-lambert

pengujian dilakukan secara in terhadap hasil keluaran dari arduino secara
in-vitro terlebih dahulu, yaitu jari pasien diletakkan di atas sensor Max30100
untuk didapatkan nilai R sensor tersebut. lalu pengujian secara in-vivo yaitu
mengetahui kadar gula referensi secara manual. Pengujian in-vitro berfungsi
untuk mendapatkan rumus linear melalui metode linear regression dari
keterkaitan antara tegangan output terhadap konsentrasi glukosa.
2.1.14 Perangkat Masukan
Perangkat masukan atau perangkat Input merupakan perangkat yang

dapat memberikan sinyal ke sistem mikrokontroler untuk diproses. Perangkat
masukan ini dapat berupa sensor
.
2.1.14.1 Sensor Oximetri MAX30100
MAX30100 merupakan intregasi dari Pulse oximetry, Sensor Oxymetri

Max30100 merupakan sensor pulse oxymetri yang dapat membaca kadar
oksigen dalam darah (SPO2) dan menghitung heart rate (bpm). sensor ini dapat
melakukan pemantauan sinyal detak jantung dan tingkat oksigen dalam darah.
sensor ini terdiri dari 2 buah led dan sebuah potodetektor. Alat ini bekerja
menggunakan sifat hemoglobin yang mampu menyerap cahaya dan denyut
alami aliran darah di dalam arteri untuk mengukur kadar oksigen pada tubuh.
Sebuah alat yang dinamakan probe memiliki sumber cahaya, pendeteksi cahaya,
dan mikroprosesor yang dapat membandingkan dan menghitung perbedaan
hemoglobin yang kaya akan oksigen dengan yang kekurangan oksigen.
Hemoglobin yang lebih kaya akan oksigen menyerap lebih banyak cahaya
inframerah, sedangkan yang tidak memiliki oksigen akan menyerap cahaya
merah. Mikroprosesor pada probe menghitung perbedaan kadar oksigen dan
mengubah informasi tersebut ke dalam nilai digital. Nilai tersebut kemudian
ditaksir untuk mementukan jumlah oksigen yang dibawa oleh darah. Pengukuran
penyerapan cahaya relatif dibuat beberapa kali setiap detiknya. Pengukuran
tersebut kemudian diproses oleh mesin untuk memberikan gambaran baru setiap
0,5-1 detik (Baiq, 2020)
Gambar 2. 5 Sensor MAX30100 seri GY-Max30100

(sumber :
https://www.electroniclinic.com/max30100-pulse-oximeter-arduino-code-circuit-and-pr
ogramming/)
Karena pada penelitian ini hanya membutuhkan nilai saturasi oksigen

(%SpO2) Subsistem SpO2 di MAX30100 terdiri dari ambient light cancelling
(ALC), ADC sigma delta16-bit, dan filter time discrete. ADC sigma delta adalah
sebuah konverter dengan resolusi hingga 16-bit. Kecepatan data keluaran ADC
dapat diprogram dari 50Hz hingga 1kHz. Pada sensor MAX30100 terdapat filter
time discrete untuk menolak interferensi pada frekuensi sebesar 50Hz/60Hz dan
kebisingan ambien residual frekuensi rendah.( Fahad, 2020). Sensor ini terdapat
dua buah LED , sebuah fotodetector dan sebuah pemroses sinyal rendah noise
agar dapat mendeteksi denyut nadi dan saturasi oksigen dengan baik Pada
gambar ditunjukan skema sensor Max30100 beserta pinout nya
Gambar 2. 6 sensor Max30100
Nama Pin Deskripsi

Vin Input Tegangan. Disambungkan ke pin 3v3 Arduino
GND Ground Pin. Disambungkan ke pin GND Arduino
SCL I2C Serial Clock. Ke pin A5 Arduino
SDA I2C Serial data, ke Pin A4 Arduino
INT Active Low interrupt. Untuk menjaga keseimbangan
secara teknis maka diambangkan atau di solder pada
area PCB yang kosong
Menurut Qahar (2018) Prinsip kerja sensor Max30100 mengacu kepada

sistem yang disebut Photoplethysmography. Photoplethysmography atau
disingkat PPG adalah teknik pengukuran yang berbasis optik yang dapat
digunakan untuk mendeteksi perubahan volume darah serta dapat mendeteksi
perubahan cahaya yang diserap dalam darah dengan memanfaatkan dua buah
LED berwarna merah dan inframerah serta fotodiode. Fotodiode berguna untuk
mengukur intensitas cahaya yang berhubungan dengan perubahan volume darah
dan cahaya yang terserap oleh darah. Pengukuran ini mempunyai 2 metode yaitu
transmittance mode dan reflectance mode. Pada transmittance mode LED dan
fotodiode diletakkan diantara jari serta reflectance mode LED dan fotodiode
diletakkan sejajar seperti yang ditunjukkan pada Gambar 2.6
Gambar 2. 7 Cara menggunakan sensor pada jari
Pada sensor Max30100 sendiri terdapat dua mode, yaitu Transmittance

mode dan Reflectance mode. Transmittance mode yaitu pada saat sumber
cahaya melalui pembuluh arteri untuk mengukur oksigen saturasi, lalu cahaya
diterima oleh fotodiode, tetapi pada mode ini terbatas pada jari tangan, jari kaki,
serta pada telinga. Sedangkan reflectance mode sumber cahaya melalui
pembuluh arteri dan dipantulkan lalu diterima oleh fotodiode. Metode ini dapat
diaplikasikan hampir dimana saja pada daerah kulit. Pada sel darah yang
memiliki banyak oksigen akan menyerap lebih banyak cahaya inframerah
daripada LED warna merah. LED warna merah mempunyai panjang gelombang
660nm dan cahaya inframerah memiliki panjang gelombang 960nm
2.1.15 Penyerapan Cahaya oleh Hemoglobin pada Sensor Max30100
Terdapat dua jenis Hb berdasarkan kandungan oksigen didalamnya,

diantaranya oxyhemoglobin yaitu hemoglobin yang mengikat okigen dan
deoxyhemoglobin adalah hemoglobin yang tidak mengandung okigen.
Gambar 2. 8 Grafik perbedaan hemoglobin terhadap cahaya
Dari Gambar dapat dianalisis bahwa cahaya LED merah lebih banyak
diserap oleh deoxyhemoglobin dan cahaya LED Inframerah lebih banyak
diserap oxyhemoglobin.. Rasio perbedaan penyerapan cahaya tersebut menjadi
acuan untuk menentukan saturasi oksigen. Rasio (R) adalah jumlah
perbandingan penyerapan cahaya infrared dan cahaya merah. Nilai rasio dapat
dihitung dengan rumus:
[𝐻𝑏𝑂2]
𝑆𝑝𝑂2 = [𝐻𝑏]+ [𝐻𝑏𝑂2 ]
…………………………………….. (2)
Pulse Oksimeter memiliki probe jenis klip jari yang memiliki LED di
satu sisi dan Photodetector di sisi lain. Cahaya yang dipancarkan dari satu sisi
jari berjalan melalui jaringan, darah vena dan darah arteri dan dikumpulkan
didalam detektor. Sebagian besar cahaya diserap atau dihamburkan sebelum
mencapai Photodetector di sisi lain pada jari. Aliran darah diinduksi oleh detak
jantung, atau berdenyut secara natural sehingga cahaya yang ditransmisikan
berubah seiring waktu. Red LED dan inframerah digunakan untuk
memperkirakan saturasi oksigen hemoglobin sebenarnya dari darah arteri.
Oxyhemoglobin (HbO2) menyerap cahaya yang dapat terlihat dan Ketika
cahaya inframerah (IR) menyala namun berbeda dari deoxyhemoglobin (Hb),
Inframerah tampak merah terang sedangkan Hb berwarna coklat tua. Penyerapan
dalam darah arteri diwakili oleh sinyal AC yang ditumpangkan pada sinyal DC
yang mewakili penyerapan zat lain seperti pigmentasi di jaringan, vena, kapiler,
tulang, dan lain sebagainya. Sinyal AC yang disinkronkan dengan jantung
kira-kira 1% dari level DC. Ini dirujuk sebagai indeks perfusi aliran darah (%).
Rasio 'R' dapat dihitung pada Persamaan 2 sebagai berikut :
𝐴𝐶𝑟𝑒𝑑
……………………………………………….. (3)
𝐷𝐶𝑟𝑒𝑑
𝑅= 𝐴𝐶𝐼𝑅
𝐷𝐶𝐼𝑅
Keterangan :
ACred = Data Sinyal AC pada Led Merah

DCred = Data Sinyal DC pada Led Merah
ACIR = Data Sinyal AC pada Infrared
DCIR = Data Sinyal DC pada Infrared
Cara menghitung nilai SpO2 (%) pada umumnya terdapat pada Persamaan 4
namun hasil nilai % SpO2 akurat tergantung pada kalibrasi rasio pada sensor
tertentu . berikut cara mencari nilai % SpO2 pada Persamaan 4
% 𝑆𝑝𝑂2 = 110 − 25 𝑥 𝑅 ………………………………………….. (4)
Maka untuk mencari nilai R dapat ditentukan sebagai berikut :
110−% 𝑆𝑃𝑂2
𝑅= 25
………………………………………… (5)
Keterangan :
%SpO2 = nilai Saturasi Oksigen dalam persen

R = nilai Rasio antara Led merah dan Infrared
2.1.16 Metode Linear Regression Sederhana
Berdasarkan Penjelasan subbab 2.1.15 Nilai SPO2 sendiri akan

menghasilkan nilai R yang merupakan rasio dari tegangan AC dan DC dari
masing- masing Led. Terhadap Hemoglobin pada darah manusia. Pada
Penelitian membuat alat ukur gula darah menggunakan sensor Max30100
berbasis Arduino Uno menggunakan metode Linear Regression sederhana untuk
mendapatkan rumus linear melalui metode linear regression dari keterkaitan
antara tegangan output terhadap konsentrasi glukosa.
Linear Regression merupakan Analisa mengenai ketergantungan variabel
dependen (terikat) dengan variabel independent untuk memprediksi rata-rata
populasi berdasarkan nilai variabel yang diketahui. Pada regresi linier sendiri
terdapat variabel X yang menjadi variabel bebas dan variabel Y sebagai variabel
terikat.. (Kho, 2017)
Tujuan peneliti menggunakan metode ini adalah untuk mengetahui adakah
hubungan rasio tegangan sensor (R) dengan Konsentrasi Gula darah yang
didapatkan dari sample darah pasien secara in vivo, kemudian dari metode
Linear Regression akan didapatkan model persamaan regresi melalui rumus.
Adapun rumusnya sebagai berikut :
Dimana :
Y = Variabel Response atau Variabel Akibat (Dependent)

X = Variabel Predictor atau Variabel Faktor Penyebab (Independent)
a = konstanta
b = koefisien regresi (kemiringan);
besaran Response yang ditimbulkan oleh Predictor.
Nilai-nilai a dan b dapat dihitung dengan menggunakan Rumus dibawah ini :

2.1.17 Error Clarke Grid Analysis
Error Clarke Grid Analysis dikembangkan pada 1970-an untuk mengukur

akurasi klinis perkiraan kadar glukosa pasien pada saat ini lalu dibandingkan
dengan nilai glukosa darah yang diperoleh dari glucometer yang kemudian
digunakan untuk mengukur akurasi perkiraan glukosa darah yang dihasilkan
oleh alat ukur dibandingkan dengan nilai gula darah referensi secara klinis
(Clarke, 2005). Mengacu pada Perhitungan Beckman, analisis grid dibagi
menjadi lima zona yaitu zona A, B, C,D, dan E yang diperlihatkan pada gambar
Gambar 2. 9 Error Clarke Grid Analysis
Untuk dapat memahami nilai per zona pembacaannya yaitu nilai di zona
A dan B merupakan hasil glukosa yang akurat atau dapat diterima. Nilai di zona
C dapat menyebabkan banyak perbaikan yang tidak perlu dilakukan dalam
menghitung kadar gula darah sehingga dapat menyebabkan hasil yang buruk.
Nilai di Zona D mewakili nilai kesalahan yang fatal bahkan untuk mendeteksi
dan menentukan penanganan selanjutnya menyebabkan kesalahan pembacaan
hasil semakin besar. Nilai di Zona E artinya kesalahan pada penanganan yang
sudah fatal. Singkatnya, semakin banyak nilai yang muncul di Zona A dan B,
semakin akurat perangkat yang dipakai untuk kepentingan klinis. (Clarke, 2005)
2.2 Penelitian yang Relevan
Penelitian relevan yang pertama ialah Alat Pengukur Kadar Glukosa

Darah Secara Non-Invasive oleh Rista Dwi, dkk. dengan judul Rancang Bangun
Alat Pengukur Kadar Glukosa Darah Secara Non-Invasive Menggunakan Sensor
Oxymetri (2019) alat ini menggunakan Sensor Oxymetri Max30100 membaca
kadar oksigen dalam darah (SPO2) dan menghitung heart rate (bpm) dan oleh
Sangkot Riana yang berjudul Rancang Bangun Alat Ukur Kadar Gula Darah
Berbasis Arduino Uno (2019) Alat ini bekerja dengan memanfaatkan sinar LED
dan fotodioda yang dimana menggunakan LED hijau. Kemudian dari masukan
LED hijau dan fotodioda akan diteruskan oleh pengkondisi sinyal yang terdiri atas
rangkaian low pass filter, high pass flter, buffer dan peak detector yang
menggunakan arduino uno.
Lalu penelitian oleh Putra Gunawan dengan judul Rancang Bangun Alat
Ukur Kadar Gula Darah Non-Invasive Berbasis Mikrokontroler Atmega 328p
Dengan Mengukur Tingkat Kekeruhan Spesimen Urine Menggunakan Paket
Sensor Photodiode Dan Light Emiting Diode (2015) Perancangan sistem alat
dalam penelitian ini menggunakan urin sebagai spesimen untuk menentukan
tingkat gula darah. Perancangan sistem ini bekerja dengan mengukur tingkat
warna dan kekeruhan dari spesimen urin dicampur dengan Benedict dan
menggunakan paket sensor yang terdiri dari 3 fotodioda (P1, P2, P3) dan tiga
LED (merah, hijau, biru) dengan mikrokontroler sebagai unit kontrol. Nilai sensor
diterima oleh alat ukur dalam bentuk RGB
Sedangkan untuk pengukuran Gula Darah secara non-invasive lainnya
adalah penelitian Alat Pengukur Kadar Gula Darah Non-Invasive Berdasarkan
Perbedaan Suhu Tragus Dan Antihelix oleh Mochammad Nurudin (2019)
menggunakan sensor suhu PT100 untuk pengukuran suhu pada titik tragus
dan antihelix di telinga, kemudian diproses oleh mikrokontroler Arduino
hingga terdapat hasil nilai glukosa darah yang selanjutnya ditampilkan pada
Display LCD dilakukan dengan mengkonversi nilai perbedaan suhu tragus
dan antihelix yang kemudian dibandingkan dengan nilai glukosa darah referensi,
suhu referensi, dan HbA1c normal. Pada modul ini sensor suhu PT100 digunakan
untuk pengukuran suhu pada titik tragus dan antihelix di telinga.
Kesimpulan dari keempat penelitian di atas adalah beberapa metode
pengambilan data dan menganalisa hasil data penelitian. Dengan berbagai jenis
mikrokontroler, metode dan sensor yang digunakan, tetapi peneliti merancang
alat yang berbeda dengan tiga penelitian sebelumnya, yaitu terdapat pada sensor
yang terbaru yaitu sensor Max30100 seri GY-Max30100 , peneliti juga
menambah sistem charge pada catu daya yangmana jika pada saat menggunakan
alat dan daya nya habis, maka pasien dapat mengisi Kembali catu daya seperti
perangkat elektronik pada umumnya dan desain alat yang lebih praktis sehingga
alat dapat dibawa kemanapun
2.3 Kerangka Berpikir
Berdasarkan teori-teori yang telah dibahas pada sub bab sebelumnya,

maka dapat dirancang sebuah Alat Pendeteksi Gula Darah Berdasarkan Kadar
Oksigen dalam Darah menggunakan Sensor Max30100 dengan
mikrokontrolernya adalah Arduino Uno R3
2.3.1 Diagram Blok
Diagram Blok adalah langkah awal dalam pembuatan alat pendeteksi

gula darah berbasis Arduino UNO R3 . Hal terpenting pada saat merancang
adalah membedakan sistem menjadi 3 bagian utama, yaitu masukan (input),
proses, dan keluaran (output) lihat pada Gambar
Gambar 2. 10 Diagram Blok Alat
2.3.2 Diagram Alir Sistem
Diagram alir sistem yang dirancang pada penelitian ini dimulai dari
inisialisasi program untuk membaca nilai %SpO2 dan Gula Darah. Ketika pasien
memasukkan jari ke capit sensor. Jari diletakkan di atas sensor maka Cahaya dari
Led Merah dan Infrared akan memancar. Dengan ini posisi jari pasien akan
mempengaruhi keberhasilan inisialisasi program pada alat
Jika inisialiasi telah berhasil, maka alat akan memulai kalkulasi pada nilai
%SpO2 dan Gula Darah Referensi. Jika inisialisasi tidak berhasil maka pasien
cukup menekan tombol reset merah yang ada di belakang alat., selama 10 detik
%SpO2 didapatkan maka nilai Gula Darah referensi juga ikut muncul pada Layar
LCD I2C. jika sudah selesai menggunakan alat maka cukup tekan tombol Off di
belakang Alat
Gambar 2. 11 Diagram Alir Sistem
BAB III
METODOLOGI PENELITIAN
3.1 Tempat dan Waktu Penelitian
Penelitian dilakukan di Ruang Laboratorium Teknik Elektro Universitas

Negeri Jakarta. Namun karena masa pandemi penelitian di lakukan di Rumah
Peneliti juga Pada Waktu tersebut cukup efektif untuk melakukan penelitian.
3.2 Alat dan Bahan Penelitian
Alat yang digunakan pada penelitian ini dibagi menjadi 2 bagian yaitu
perangkat lunak dan perangkat keras, diantaranya adalah:
A. Perangkat Lunak
1) Eagle 7.6.0 untuk membuat rangkaian skematik dan layout pada PCB
2) Arduino IDE 1.8.5. untuk memrogram Arduino Uno R3 ATMega 328
3) SketchUp 2018 untuk mendesain rancangan alat secara 3D
4) Fritzing Versi 0.9.2b.64.
5) Sharpr3D for iPad Versi ios 15 untuk mendesain model Fingertip

Sensor
B. Perangkat Keras
1) Laptop dengan processor intel® core™ i5-3340M CPU @2.70Ghz

2) Digital Multimeter
3) Tool Kit Sensor
4) Kotak PVC
5) Modul Max30100
6) Modul Penguat Step Down
7) Arduino Uno R3
8) Modul Baterai Chargable 9V
9) Kabel Usb tipe C
10) All-in one mini tool set
11) Modul Lcd I2C
12) Avometer
3.3 Diagram Alir Penelitian
Sistematika penulisan yang digunakan dalam penelitian ini adalah

sistematika penelitian rekayasa teknik (FT UNJ, 2019) dengan menggunakan
metode penelitian Research & Development (R&D) dengan model
pengembangan Borg & Gall. Metode R&D Borg & Gall terdiri dari sepuluh
langkah (Gambar 3.1), Pada penelitian ini hanya menggunakan empat langkah
yaitu langkah pengumpulan data dan informasi, langkah perencanaan, langkah
pengembangan awal produk, dan langkah pengujian (Gambar 3.2).
Gambar 3. 1 Diagram Alir Educational Research Penelitian Borg & Gall
(Sumber: (Gall et al., 1971))

Langkah-langkah ini disebut sebagai “R&D Cycle”, yang terdiri dari
mempelajari temuan penelitian yang berkaitan dengan produk yang akan
dikembangkan, mengengembangkan produk berdasarkan temuan-temuan,
menguji di lapangan yang nantinya akan digunakan, dan merevisinya untuk
memperbaiki kekurangan yang ditemukan pada tahap pengujian lapangan,
diulang sampai data uji lapangan menunjukan bahwa produk memenuhi tujuan
yang ditetapkan (Gall et al., 1971).
Metode yang digunakan pada penelitian ini hanya digunakan empat

langkah saja yaitu langkah pengumpulan data dan informasi, langkah
perencanaan, langkah pengembangan awal produk, dan langkah pengujian.
Empat langkah tersebut tergambar pada Gambar 3.2.
Gambar 3. 2 Diagram Alir Penelitian yang Akan Dilaksanakan
Penjelasan tahapan penelitian Gambar 3.2 dijelaskan pada poin berikut ini:
1. Langkah Pengumpulan Data dan Informasi

Langkah pertama melibatkan penelitian dan pengumpulan data informasi
yang dibutuhkan. Dalam langkah pertama yakni termasuk studi literatur dan
studi lapangan (observasi) sehingga peneliti dapat menganalisa kebutuhan untuk
merancang alat Pendeteksi Gula Darah menggunakan sensor Max30100 berbasis
Arduino Uno.Peneliti mencari kajian teori tentang Diabetes, Oksigen, hubungan
antara Kandungan Gula darah dan Oksigen, Sensor Max30100,dan Formula
Linear regression untuk mendapatkan nilai gula darah prediksi pada analisis
akhir dari penelitian ini.
Selain itu peneliti juga mencari informasi untuk menentukan rumus
turunan untuk mencari nilai %SpO2 yang akan menjadi output pada sensor dan
mencari nilai R yang akan menentukan hasil akhir dari sensor Max30100 sserta
mencari catu daya yang sesuai agar alat dapat berfungsi dengan maksimal .
Dengan demikian alat yang dibuat dapat berguna digunakan dalam jangka
panjang dimana saja dan kapan saja.
2. Langkah Perencanaan
Langkah kedua terdiri dari perancangan sistem dan sub sistem. Peneliti
mengintegrasikan semua komponen yang digunakan untuk membuatalat
pendeteksi gula darah berbasis Arduino, Pada perancangan Alat Pendeteksi Gula
Darah Menggunakan Oxymeter Max30100 Berbasis Mikrokontroler Arduino Uno
R3
Peneliti menggunakna sensor Max30100 untuk mencari nilai kadar oksigen
terlebih dahulu. Saat memeriksa pasien membutuhkan sensor model capit sebagai
sensor pembaca gula darah yang diprogram melalui Arduino IDE
3. Langkah Pengembangan Alat Produk
Pada tahap pengembangan awal produk yaitu dengan melakukan

perancangan alat lalu menambahkan Metode analisis yang akan menentukan
hasil gula darah akhir yang diharapkan akan sesuai dengan hasil yang diinginkan
dan melakukan pengembangan dalam program pengkalibrasian sensor
Max30100 dimana kalibrasi ini akan menentukan hasil kadar oksigen yang
maksimal serta penambahan rangkaian penguat Step Down agar alat bekerja
secara maksimal
4. Langkah Pengujian
Langkah terakhir adalah tahap pengujian. Tahap ini menguji kadar oksigen
dari sensor Max30100 dan gula darah referensi yang telah di kalibrasi pada
inisialisasi program Arduino. Penguji melakukan 40 kali pengujian pada dua
waktu untuk mendapatkan gula darah puasa (GDP) dan gula darah setelah
makan siang (GDPP) terhadap 20 orang dan 40 kali pengujian untuk kadar
oksigen pada 2 waktu tersebut. pengukuran yang dihasilkan oleh sensor agar
menghasilkan data yang dibutuhkan
Gambar 3. 3Diagram Alir Penelitian
3.4 Teknik dan Prosedur Pengumpulan Data
Perancangan penelitian ini merupakan rencana atau gagasan yang

komprehensif dan mempunyai tujuan yang terarah agar penelitian dapat berjalan
dengan baik serta menggambarkan rencana proses penelitian secara keseluruhan.
Perancangan penelitian Alat Pendeteksi Gula Darah Menggunakan Sensor
Max30100 berbasis Arduino adalah sebagai berikut:
3.4.1 Perancangan Perangkat Keras
Dalam tahap perancangan Alat Pendeteksi Gula Darah Menggunakan

Oxymeter Max30100 Berbasis Mikrokontroler Arduino Uno R3 dibutuhkan
perancangan perangkat keras yang dibutuhkan sesuai dengan rancangan yang
telah dibuat. Perancangan perangkat keras yang dilakukan merupakan perangkat
keras berupa perngkat pendukung dalam sistem ini sehingga berjalan sesuai
dengan yang direncanakan.
3.4.2 Perancangan Perangkat Lunak
Perancangan perangkat lunak dalam Alat Pendeteksi Gula Darah

Menggunakan Oxymeter Max30100 Berbasis Mikrokontroler Arduino Uno R3
merupakan tahap yang dilakukan untuk membuat dan merancang sekumpulan
printah dan tampilan yang berbentuk dari sebuah program sehingga menjalankan
sistem yang dibuat
3.4.3 Pengujian Perangkat Keras dan Perangkat Lunak
Tahap pengujian perangkat keras dan perangkat lunak ini merupakan tahap
yang dilakukan untuk mengetahui keadaan sebuah perangkat dalam keadaan baik
atau terdapat kesalahan. Tujuan pada tahap ini adalah apabila terdapat error baik
itu pada perangkat keras maupun perangkat lunak, dapat segera diketahui
sehingga dapat langsung diperbaiki atau diganti. Pentingnya pengujian ini
dilakukan agar sistem berjalan dengan baik sesuai dengan rancangan yang telah
dibuat.
Pada langkah pengujian ini dilakukan untuk mengetahui kinerja dari tiap
subsistem yang telah dibuat. Pengujian terdiri dari 3 tahap, tahap pertama yaitu
pengujian terhadap perangkat keras. Pada pengujian tahap kedua dilakukan untuk
menguji perangkat lunak antarmuka antara Alat Pendeteksi dengan LCD I2C. lalu
pada pengujian perangkat lunak, yaitu Program pada Arduino IDE apakah sudah
berjalan dengan baik
Pada langkah pengujian ini dilakukan dalam tahap menguji apakah sudah
layak dengan secara bertahap dan perlahan, adapun pengujian sebagai berikut :
1. Pengujian sensor SpO2 untuk membaca gula darah pasien yang akan
ditampilkan di LCD
2. Pengujian Linier Regresion terhadap Hasil Gula Darah Prediksi
3. Dihasilkan nilai Gula Darah prediksi
Pengujian tahap ketiga yaitu dilakukan uji coba lapangan yang digunakan untuk
mengukur Gula Darah dan hasilnya Proses pengujian pada tahap ketiga ini
dilakukan dengan pengambilan data melalui 5 sampel yang berbeda-beda
termasuk orang yang sehat karena untuk menguji keakuratan Alat. Klien yang
diuji adalah orang dengan kisaran umur 17-45 keatas atau lebih dan 60-70 tahun
dengan catatan sedang Rawat jalan dan sering berkonsultasi dengan dokter dalam
kurun 2 Minggu. Uji coba lapangan dilakukan untuk mengetahui perbandingan
antara pengukuran manual dan melalui alat.
perancangan dan pengujian Alat Pendeteksi Gula Darah Menggunakan
Oxymeter Max30100 Berbasis Mikrokontroler Arduino Uno R3 terdiri dari
beberapa tahap, tahapan sebagai berikut :
1. Pemilihan komponen
2. Perakitan modul dimulai dari pemasangan, penyolderan, dan pengkabelan
3. Pengecekan manual sensor-sensor dengan properti sehingga mengetahui
bisa digunakan atau tidak.
4. Memprogram SPO2 Finger Sensor sebagai Pendeteksi Gula Darah
5. Melakukan pengujian terhadap seluruh subsistem yang telah
6. terintegrasi, dan melakukan perbaikan
7. Setelah melakukan pengujian dan perbaikan agar sesuai dengan
rancangan, selanjutnya adalah pengambilan dokumentasi uji coba berupa
foto dan video.
8. Menyimpulkan hasil penelitian dalam pengujian
3.4.4 Implementasi Sistem
Setelah dilakukan pengujian, langkah selajutnya adalah melakukan

pembuatan perangkat keras dan perangkat lunak prototipe.Pembuatan
perangkat keras terdiri dari pembuatan maket, box komponen, tiang penyangga
sensor, dan pembuatan catu daya. Teknik dan Prosedur Pengumpulan Data
Untuk mencapai tujuan pada penelitian ini diperlukan adanya rancangan dan
prosedur pengumpulan data dalam pengujian prototipe yang dibuat. Hal ini
merupakan hal yang mempengaruhi dalam keberhasilan mencapai tujuan
penelitian.
3.4.5 Perancangan Perangkat Keras
Perancangan perangkat keras dilakukan untuk menentukan tipe

perangkat atau modul yang digunakan dalam pembuatan prototipe. Dengan
adanya perancangan perangkat keras peneliti dapat membuat tiap subsistem
secara terarah dan memastikan perangkat berjalan dengan baik.
3.4.6 Menentukan Sistem Catu Daya
Rangkaian Catu Daya yang digunakan menggunakan module Step Down

LM2596 yang terintegrasi dengan Batere Rechargable 9V. berikut skematik
rangkaian catu daya alat pengukur gula darah menggunakan sensor Max30100
berbasis Arduino ditunjukan pada gambar 3.4 dan 3.5
Gambar 3. 4 Modul LM2596 (sumber :

https://rangkaianelektronika.info/fungsi-lm2596-serta-contohnya-sebagai-ic-vari
able-power-supply/)
Gambar 3. 5 Skema Modul Step Down LM2596
Regulator DC power supply ini menggunakan IC LM2596 sebagai

komponen utama yang didukung sebuah potensiometer untuk mengatur besar
output tegangan dari regulator LM2596 ini. IC LM2596 adalah IC monolitik.
Komponen ini menyediakan semua fungsi aktif untuk regulator switching
step-down (buck). Beban arus maksimal yang dilewatkan pada komponen ini
sebesar 3A. LM2596 idealnya dapat bekerja maksimum pada frekuensi
switching 150 kHz yang menyebabkan komponen filter dengan ukuran lebih
kecil dibutuhkan serta spesifikasi switching yang lebih rendah.
Regulator tegangan step-down dapat mengubah tegangan input antara 3.2

V dan 40 V menjadi tegangan yang lebih kecil antara 1.25 V dan 35 V dengan
pengaturan saluran beban yang sangat baik. Umunya dalam beberapa project
memerlukan tegangan yang berbeda (3-35V) tanpa regulator semacam ini,
rangkaian utama akan jebol dan akan menghabiskan waktu untuk
memperbaikinya. Regulator step-down LM2596 memiliki spesifikasi dan
beberapa ketentuan sebagai berikut :
1. Input harus diatas 1.5V lebih tinggi dari output
2. Rentang tegangan masukan hingga 40V
3. Arus beban keluaran sebesar 3A
4. Mode siaga daya rendah sebesar 80 uA
5. Tegangan input 3.2 V – 40 VDC
6. Maksimal efisiensi 92%
7. Riak keluaran : ≤100mV
8. Frekuensi Pengalihan : 65KHz
9. Suhu Pengoperasian : -45oC hingga +85oC
10. Regulasi arus dan beban yang sangat baik
3.4.7 Menentukan Sistem Kendali
perancangan dan pengujian perancangan Alat Pendeteksi Gula Darah

Menggunakan Sensor Oxymeter MAX30100 Berbasis Mikrokontroler Arduino
UNO R3 maka perlu untuk menentukan sistem kendali pada sistem ini. Sistem
kendali yang digunakan adalah Arduino UNO R3 yang digunakan seperti pada
Gambar 3.4.
Gambar 3. 6 Arduino UNO R3

(Sumber : store.arduino.cc)
3.4.8 Menentukan Sensor Pendeteksi Gula Darah
Pada perancangan dan pengujian Pada perancangan Alat Pendeteksi Gula

Darah Menggunakan Sensor MAX30100 Berbasis Mikrokontroler Arduino UNO
R3 dibutuhkan sensor untuk mendeteksi gula darah yang akurat. Sensor yang
digunakan untuk mendeteksi gula darah adalah sensor Infrared dan RED LED dari
sensor Max30100 yang digunakan untuk mendeteksi gula darah dengan satuan
tegangan yang sesuai dengan beberapa driver pendukung. Bentuk fisik sensor
yang digunakan untuk mendeteksi gula darah yang bentuknya seperti probe
.bentuk sensor dapat dilihat pada Gambar 3.6
Sensor Max30100 dapat dikonfigurasi melalui register, yaitu berupa

konfigurasi arus LED yang dapat di 9 program dari 0mA hingga 50mA dan resolusi
ADC dari 13 bit hingga 16 bit. Selain itu data keluaran sensor yang disimpan pada
FIFO dapat menampung hingga 16 sampel. Tiap sampel pada FIFO adalah 4 byte
data, sehingga total data yang dapat disimpan di FIFO adalah 64 byte, dan dari 4
byte data tersebut 2 byte terdiri dari data LED inframerah dan 2 byte adalah data
dari LED merah
Sensor ini menggunakan mode reflectance, dimana LED merah, LED
inframerah dan fotodiode diletakkan satu baris, seperti gambar sensor yang
ditunjukkan oleh Gambar 3.6.serta cara penggunaan sensor ditunjukkan pada
Gambar 3.7.
Gambar 3. 9 Penggunaan Sensor
Gambar 3. 8 Sensor MAX30100 seri GY
Pada Gambar 3.7 jari diletakkan diatas sensor, kemudian cahaya dari LED
merah dan LED inframerah akan memancar, kemudian gelombang cahaya dari
LED inframerah akan diserap oleh darah jika mengandung banyak oksigen dan jika
oksigen dalam darah berkurang maka gelombang cahaya LED merah akan diserap
lebih banyak daripada LED inframerah. Gelombang cahaya yang tidak diserap akan
dipantulkan kembali dan terdeteksi oleh fotodioda.
Oximeter mendeteksi pada kulit jari karena Menurut Hill (2006) . Oksimeter
adalah sensor yang menggabungkan dua teknologi spektrofotometri dan
plethysmography optik (mengukur denyut perubahan volume darah di arteri) .
Sensor pulse oximetry menggunakan cahaya dalam analisis spektral untuk
pengukuran saturasi oksigen, yaitu deteksi dan kuantifikasi komponen
(hemoglobin) dalam larutan. Untuk mencapai saturasi oksigen tertentu dibutuhkan
sel Oxy Hb atau Hemoglobin yang sedang mengangkut Oksigen sehingga
penyebaran Oxy Hb ini beredar melalui Pembuluh Arteri manusia yangmana
peredarannya melalui Jari Manusia. (Hariyanto, 2012)
Max30100 memiliki spesifikasi sebagai berikut :
1. Sensor berukuran 5.6 mm x 2.8 mm x 12 mm

2. Beroperasi dari tegangan 1.8 V dan 3.3 V
3. I 2 C address dari MAX30100: 0x57
4. Resolusi ADC sebesar 14 bit
5. Jumlah ADC yang dihitung saat ada jari di bawah sinar matahari sebanyak 0
kali
6. Pada IR LED karakteristiknya yaitu Panjang Gelombang Puncak (LED Peak
Wavelength )yaitu sebesar 870 nm hingga 900 nm dengan kondisi Arus IR
LED sebesar 20 mA dan pada suhu sensor + 25 o
7. Untuk Red LED Panjang gelombang (LED Peak Wavelength) sebesar 650
nm sampai 670 nm dengan kondisi Arus IR LED sebesar 20 mA dan pada
suhu sensor + 25o
8. Dapat mengukur lebih dari 16 data pengukuran, yangmana masing-masing
sample sebesar 4 bytes. Untuk dua bytes pertama untuk sensor IR dan dua
data pengukuran terakhir untuk RED LED
9. .Telah dilengkapi filter pada frekuensi 50 hingga 60Hz
10. Jika ingin mendeteksi denyut nadi maka hanya dibutuhkan sensor IR saja.
Jika ingin mendeteksi kadar oksigen saja maka harus mengaktifkan sensor
IR dan Red Led
Rangkaian ditunjukkan pada gambar 3.8
Gambar 3. 10 Rangkaian Arduino dengan Max30100

3.4.9 Pembuatan Maket Alat
Ukuran dan spesifikasi dari box:
Dimensi Maket : P = 10 cm L = 8 cm T = 3 cm Tengah Maket : 4 cm

Bahan Box: Plastik/fiber Berat Box: 750 gr
Berikut Gambar 3.7, Gambar 3.8, dan Gambar 3.9 adalah rancangan maket yang
dibuat oleh peneliti :
Gambar 3. 11 Desain Maket Tampak Depan

Gambar 3. 13 Desain Maket Tampak Atas
3.4.10 Perancangan Perangkat Lunak
Pada perancangan perangkat lunak dalam pembuatan Alat Pendeteksi Gula

Darah menggunakan sensor Max30100 berbasis Arduino Uno R3 menggunakan
platform Arduino IDE karena menggunakan Arduino. Arduino IDE menggunakan
bahasa C/C++ dalam pemrogramannya.
Dalam memprogram platform Arduino IDE terdiri dari 2 jenis pembagian

konfigurasi pin pada papan Arduino, yaitu pin masukan dan pin keluaran. Pin
masukan terdiri dari Sensor SpO2
Tabel 3. 1 Konfigurasi Pin Masukkan
Komponen Media Pin Pin Arduino

Perangkat
SpO2 VCC 5V
GND GND
RXD RX2
Adapun konfigurasi untuk keluaran berupa LCD
Komponen Media Pin Pin Arduino

Perangkat
LCD 16x2 I2C VCC 5V
GND GND
SDA D1
SCL D2
3.4.11 Arduino IDE
Arduino IDE dapat membuat suatu proyek dengan kerangka kode, titik
awal dalam pengembangan proyeknya pengguna menyusun dan menyimpan kode
dalam file yang disebut sketch. Sketch ini akan melakukan sintaks pemeriksaan
dari kode program yang dibuat disebut juga kompilasi (compile) setelah selesai
kemudian mengunggah (Upload) kode yang dikompilasi ke papan Arduino yang
dipilih mnggunakan koneksi USB
Arduino IDE itu merupakan kependekan dari Integrated Developtment
Enviroenment, atau secara bahasa mudahnya merupakan lingkungan terintegrasi
yang digunakan untuk melakukan pengembangan.
Bahasa pemrograman Arduino (Sketch) sudah dilakukan perubahan untuk
memudahkan pemula dalam melakukan pemrograman dari bahasa aslinya.
Sebelum dijual ke pasaran, IC mikrokontroler Arduino telah ditanamkan suatu
program bernama Bootlader yang berfungsi sebagai penengah antara compiler
Arduino dengan mikrokontroler
Proyek akhir ini membutuhkan data kadar oksigen dalam darah (SPO2
yang didalamnya terkandung unsur nilai R. seperti yang dilansir pada bab II
subbab 2.1.15 rumus untuk mencari nilai R pada persamaan 5
110−% 𝑆𝑃𝑂2
𝑅= 25
………………………………………… (5)
Setelah nilai R didapatkan dan kalibrasi sensor Max30100 berhasil maka

hasil data keluaran R tersebut akan diolah Bersama dengan sample gula darah
referensi yang akan dilihat apakah ada pengaruh atau tidak yang akan di bahas
pada subbab 3.5.4 yaitu pengujian sensor Max30100 terhadap R
3.5 Teknik dan Prosedur Pengumpulan Data
Pada penelitian ini digunakan teknik pengumpulan data dengan cara

observasi dan pengukuran. Adapun observasi, dan pengukuran yang dimaksud
adalah pencarian literatur berupa datasheet, melakukan percobaan lapangan,
melakukan pengukuran setiap objek yang akan diuji, mencatat setiap hasil
pengukuran objek yang diamati, kemudian mengimplementasikan data hasil
pengamatan dalam bentuk tabel, grafik, dan naratif.
3.5.1 Teknik Analisis Data
Teknik analisis data pada penelitian ini merupakan sebuah cara yang
dilakukan oleh peneliti untuk pengambilan data. Data-data yag diperoleh setelah
menjalankan sistem yang telah dibuat, dalam tahap ini peneliti dapat
menentukan tingkat keberhasilan yang telah dilakukan dengan meneliti semua
data-data yang didapatkan.
Dilakukan analisa pengujian untuk memecahkan sebuah masalah dari
sistem yang telah dibuat dengan mengambil data hasil dari sebuah sistem
tersebut dengan melakukan sebuah pengukuran. Tujuannya untuk mengetahui
tingkat keberhasilan pada penelitian yang telah dilaksanakan.
3.5.2 Pengujian Catu Daya
Rangkaian Catu daya yang terintegrasi oleh rangkaian modul Step Down
LM2596 perlu diukur terlebih dahulu agar mengetahui tegangan yang dihasilkan
oleh Batere Rechargable 9V. Hal ini agar rangkaian tersebut dapat digunakan oleh
Oximeter Max30100 dengan baik.. Tabel pengujian dapat dilihat pada Tabel
Pengujian Nilai Gambar

Vbaterai
Vin LM2596
Vout LM2596
3.5.3 Pengujian Liquid Crystal Display ( LCD )
Pengujian LCD (Liquid Crystal Display) bertujuan untuk mengetahui apakah
LCD dapat menampilkan data – data program yang nantinya akan tampil di layar LCD.
LCD 20x4 mempunyai karakter 16 pin dihubungkan pada I2C yang memiliki 4 pin yang
dihubungkan langsung ke Arduino Uno sebagai keluaran hasil percobaan dan
mempermudah pengujian. Penggunaan pin pada LCD I2C, ada beberapa pin yang
digunakan sebagai pin pengirim dan penerima data yaitu SDA, SCL, VCC, serta
Ground.
Tabel 3. 3 Pengujian pada I2C LCD
No. Pin Pin Output Tegangan Output Gambar

I2C Arduino (Volt) Tegangan
LCD Kondisi LOW (Volt)
Kondisi
HIGH
3.5.4 Pengujian Sensor Max30100
Pengujian Sensor SpO2 bertujuan untuk mengetahui konversi rasio

tegangan AC dan DC pada sensor (R) terhadap gula darah Referensi Sehingga
akan di dapatkan nilai gula darah Prediksi dan kemampuan baca sensor yang
presisi. Pengujian dillakukan Pada dua waktu yaitu Sebelum Makan (Puasa 8 Jam)
dan pada 2 Jam setelah makan Hasil pengujian tertera pada Tabel 3.4
no Kondisi Tegangan yang Di R Kadar
Hasilkan (Volt) (Desimal) Gula
(Mg/dL)
1 Ada Jari
Tidak ada
jari
2 Ada Jari
Tidak ada
Jari
Tabel 3. 4 Pengujian Sensor MAX30100 sebagai Pendeteksi Gula Darah

Terhadap Catu Daya Sensor (GDP)
Pada Tabel 3.5 menunjukkan nilai Tegangan terhadap Gula darah

Referensi pada saat keadaan Puasa 8 Jam atau yang di sebut Gula Darah Puasa
(GDP) dalam pembuatan perangkat elektronika biasanya terjadi dengan keluaran
yang tidak linier. Maka dari itu perlunya melakukan optimalisasi catu daya
keluaran dari sensor utuk meminimisasi ketidaksesuaian antara nilai pengukuran
dengan alat/divais yang dikembangkan dengan nilai sebenarnya merujuk pada
hasil pemeriksaan laboratorium. Pengukuran Sensor pada 2 Jam setelah makan
(GDPP) yang mana menunjukkan seperti pada tabel 3.5
Tabel 3. 5 Pengujian Sensor MAX30100 sebagai Pendeteksi Gula Darah

Terhadap Catu Daya Sensor (GDPP)
no Kondisi Tegangan yang R Kadar Gula

Di Hasilkan (Desimal) (Mg/dL)
(Volt)
1 Ada Jari
Tidak ada jari
2 Ada Jari
Tidak ada Jari

3.5.5 Pengujian Sensor Max30100 Terhadap R
kerja sistem ini adalah Sensor Oxymetri Max30100 merupakan sensor

pulse oxymetri yang dapat membaca kadar oksigen dalam darah (SPO2) dan
menghitung Heart Rate (BPM) dari manusia dan Proyek akhir ini membutuhkan
data kadar oksigen dalam darah (SPO2) yang didalamnya terkandung unsur nilai
R. Nilai R ini merupakan hasil dari perbandingan hasil dari perbandingan
tegangan AC dan DC milik Infrared Led dan Red Led. Untuk mendapatkan nilai
R adalah dengan mengolah data SPO2 yang telah terbaca oleh mikrokontroler
Arduino UNO Atmega328. Sesuai pada bab II subbab 2.1.15 Persamaan untuk
mencari R terdapat pada persamaan (2)
110−𝑆𝑃𝑂2
𝑅= 25
………………………………………………………. (2)
Tabel 3. 6 Pengujian Sensor MAX30100 Terhadap nilai R pada Gula darah

puasa (GDP)
No. R GDP
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
Untuk pengambilan data sample dilakukan dengan 20 orang berbeda. Dari 20
sukarelawan tersebut didapatkanlah hasil pengukuran berupa nilai SPO2 dan kadar
glukosa darah referensi menggunakan alat medis Easy Touch.
seperti pada tabel 3.6 pada halaman sebelumnya, pada tabel 3.7 disajikan
data pengujian nilai R tegangan pada Sensor Max30100 terhadap nilai gula
darah referensi yang didapat dari pengukuran sample darah dari alat
konvensional yaitu glucometer Easytouch
Pada Tabel 3.7 berikut merupakan hasil pengukuran yang telah

dilakukan pada saat waktu makan siang. Hasil pengukuran terhadap nilai R
tegangan sensor sebagai variabel bebas dan hasil gula darah setelah makan
siang (2 jam) . pengukuran ini dilakukan setelah pasien makan siang dan
ditunggu selama 2 jam
Tabel 3. 7 Pengujian Sensor MAX30100 Terhadap nilai R pada Gula darah

puasa (GDP)
No. R GDPP
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
3.5.6 Pengujian Sensor MAX30100 Terhadap Rutinitas Sehari hari
Pada pengujian sensor MAX30100 adalah untuk mengetahui kesesuaian

pembacaan MAX30100 terkait keberadaan Glukosa pada Aliran darah, sehingga
mengetahui apakah sensor MAX30100 dapat melakukan pengukuran kadar Gula
darah dengan baik. Pengujian Sensor MAX30100 bertujuan untuk mengetahui
konversi gula darah prediksi membutuhkan data kadar oksigen dalam darah
(SPO2) yang didalamnya terkandung unsur nilai R. Nilai R ini merupakan hasil
dari perbandingan tegangan AC dan DC milik Infrared dan Red LED seetelah itu
dibandingkan Sehingga akan di dapatkan kemampuan baca sensor yang presisi.
Tabel 3. 8 pengujian Sensor Max30100 Terhadap Rutinitas Sehari hari
(Sebelum Makan)
Usia Gula Darah Gambar Error

(%)
Sensor GCU Easytouch
Max301 GCU
00 Easytouch
Tabel 3. 9 pengujian Sensor Max30100 Terhadap Rutinitas Sehari hari

(Sesudah Makan)
Usia Gula Darah Gambar Error

(%)
Max301 GCU
00 Easytouch
3.5.7 Pengujian Sensor MAX30100 Sebagai Pendeteksi Saturasi Oksigen

(SpO2)
Tujuan dari pengujian Sensor Max30100 adalah sebagaiman fungsi utama

sensor ini adalah mendeteksi Kadar Oksigen dan Denyut Nadi (Pulse oxymeter)
pada penelitian dalam membuat Alat Pengukur Gula Darah menggunakan Sensor
Max30100 berbasis Arduino dibutuhkan nilai kadar Oksigen (%SpO2) sehingga
nanti akan digunakan untuk mencari nilai R pada rasio tegangan masing-masing
LED sensor yang nantinya akan ditemukan persamaan linear regression untuk
mendapatkan nilai gula darah prediksi. Agar mendapatkan nilai kadar oksigen
yang presisi pengujian terhadap sensor oxymetri Max30100 dilakukan sebanyak
10 kali dengan orang berbeda. Pengambilan data dilakukan diwaktu dengan range
sama, sehingga untuk data dari Max30100 dan Pulse Oximeter Elitech dapat
dibandingkan. Pengukuran menggunakan Max30100 dilakukan dengannilai SPO2
yang dihasilkan oleh sensor. Pengolahan data dilakukan dengan menggunakan
Microsoft Excel. Setelah dengan SPO2 didaptkan, maka dilakukan perhitungan
untuk mencari nilai R dengan rumus 2.1 sebagai berikut :
Tabel 3. 10 pengujian Sensor Max30100 Terhadap Saturasi Oksigen
Usia Kadar Oksigen Error Gambar

MAX30100 Oxymeter (%)
0 MDD391
3.5.8 Pengujian Metode Regresi terhadap data Sample
Pada proses ini, data yang telah didapatkan pada Tabel 3.10 dam 3.11
diurutkan sesuai nilai R nya dari yang terkecil hingga terbesar. Sehingga untuk
urutan variabel ID dan kadar glukosa mengikuti dari urutan nilai R. Setelah itu
dilakukan analisa menggunakan aplikasi Microsoft Office Excel untuk analisis
regresi. Berikut hasil yang didapatkan dari analisa regresi antara nilai R
(Independents) dan kadar glukosa darah puasa (GDP) serta nilai R (Independents)
dengan kadar glukosa darah 2 jam setelah makan (GD2PP).
Puasa (GDP)
R GD GDP2 (Desimal) R2 GDP × R
Setelah Makan (GDPP)
R GDP GDPP2 (Desimal) R2 GDPP × R
Maka nantinya akan menghasilkan model persamaan regresi
Linier Regression :
GDP = …………………………………………………..(7)
GD2PP = ……………………………………………….(8)
3.5.8 Metode Clarke Error Grid Analysis
Seperti yang dibahas di bab II subbab 2.1.17, Clarke Error Grid Analysis (EGA)
digunakan untuk mengukur akurasi perkiraan glukosa darah yang dihasilkan oleh
alat ukur dibandingkan dengan nilai gula darah referensi. Setelah melakukan
pengujian secara in vivo yaitu mengambil sample gula darah referensi dari
glucometer yang sudah ada di pasaran, peneliti melakukan pengujian secara in
Vitro yaitu mengukur nilai R yang menjadi keluaran sensor Max30100 yang dapat
dilihat pada subbab 3.5.4 dilakukan pengukuran R dan pengambilan sample kadar
glukosa darah dilakukan bersama untuk satu orang yang sama. Data tersebut
digunakan untuk mendapatkan persamaan Linier Regression. Persamaan tersebut
menggambarkan hubungan linier antara nilai R dan kadar glukosa darah. Dimana
dengan adanya persamaan Linier Regression maka akan didapatkan kadar glukosa
darah prediksi. Dengan begitu akan dilakukan pengujian kembali untuk
menganalisa hasil kadar glukosa darah prediksi dengan kadar glukosa darah
referensi. Proses analisa tersebut menggunakan metode Clarke Error Grid
Analysis.
Dari 20 orang sukarelawan dengan pengukuran dua waktu yaitu sebelum

makan dan sesudah makan siang akan didapatkan nilai error dari model
persamaan regresi dalam menentukan nilai kadar glukosa prediksi.Dimana
perhitungan menggunakan data sample yang telah didapatkan sejumlah 20 orang.
Setelah kadar gula prediksi diperoleh, maka dari proses Analisa Clarke Error Grid
Analysis akan ditentukan penanganan dan evaluasi yang dilakukan secara medis.
Dari analisis ini dapat ditetapkan di zona mana nilai-nilai gula darah yang
diperoleh dari persamaan linier regression yang telah dibandingkan dengan nilai
gula darah referensi baik itu di zona A, B , C, D, atau E seperti yang di bahas di
Bab II subbab 2.1.17
BAB IV
HASIL PENELITIAN
4.1 Deskripsi Hasil Penelitian
Pada bab ini membahas tentang hasil dari pembuatan sub sistem yang telah
dirancang seperti yang telah dijelaskan pada BAB III dan membahas pengujian
dalam Rancang Bangun Alat Pendeteksi Gula Darah Menggunakan MAX30100
Berbasis Mikrokontroler Arduino R3 yang dihubungkan dengan I2C LCD sebagai
antarmuka pengguna dalam mendapat informasi dari sistem.
Rancang Bangun Alat Pendeteksi Gula Darah Menggunakan MAX30100
Berbasis Mikrokontroler Arduino R3 dibuat berdasarkan antarmuka pengguna
(user) dengan LCD I2C pada Gambar 4.1. Prototipe ini buat dengan skala 1:5,
dimana sistem ini akan diterapkan pada Orang dengan rentang umur 17-20, 30-40,
dan 50-60 tahun
3. 1 Tampilan Alat
Berdasarkan rancangan penelitian yang telah dijelaskan sebelumnya pada

BAB III, maka peneliti mendeskripsikan hasil penelitian dalam prinsip kerja dan
langkah penggunaan sistem.
4.1.1 Prinsip Kerja
Rancang Bangun Alat Pendeteksi Gula Darah Menggunakan Oxymeter

MAX30100 Berbasis Mikrokontroler ATMEGA 368 memiliki prinsip kerja yang
akan selalu aktif ketika diberikan sumber daya dari catu daya. Saat di pasang alat
dan telah melalui tes suhu maka selanjutnya alat mendeteksi gula darah dari
pancaran sinar NIR pada Sensor SpO2 yang lain digunakan sebagai sensor yang di
jepit pada jari pasien untuk mendeteksi gula darah, dengan ketentuan jika gula
darah <140 Mg/ ,maka nilai tegangan yang keluar dari sensor berupa data analog
akan diubah dengan Analog to Digital Converter (ADC) menjadi nilai digital yang
tertampil pada LCD
4.1.2 Langkah Penggunaan
Berikut ini merupakan langkah-langkah dalam pengggunaan Rancang Bangun Alat

Pendeteksi Gula Darah Menggunakan Oxymeter Max30100 Berbasis
Mikrokontroler Arduino R3
1. Tekan tombol on pada alat

2. Sistem akan menunggu sambungan sistem input dan output sambil melakukan
pemanasan sensor SpO2 Tunggu sistem hingga muncul tulisan “initializing......”
3. Maka tulisan “Gula Darah =” akan muncul. Setelah itu masukkan jari pasien ke
dalam sensor SpO2. Tunggu hingga sensor mendeteksi jari dengan munculnya
tulisan “detecting finger. ” pada LCD I2C
4. Alat berhasil mendeteksi nilai gula darah pada LCD I2C
4.1.3 Kekurangan Alat
Pada penelitian Rancang Bangun Alat Pendeteksi Gula Darah

Menggunakan Oxymeter MAX30100 Berbasis Mikrokontroler Arduino R3 terdapat
beberapa kekurangan :
1. jika sensor tidak pada titik yang tepat maka pembacaan tidak akan bagus dan
tepat, jadi harus benar-benar pada titik yang tepat.
2. Karena sensor Max30100 bergantung pada panjang gelombang yang dihasilkan

makan saat bersentuhan dengan kulit harus presisi
3. Karena panjang jari dan ketebalan kulit manusia beragam Dibutuhkan coverage
yang lebih sesuai agar sinar Red LED menyerap dengan baik
4. Dikarenakan prinsip kerja yang berdasarkan pada perbedaan absorbansi cahaya,

maka perubahan komposisi darah, kelancaran aliran darah, dan faktor lain yang
mengganggu proses pengukuran absorbansi cahaya dapat mempengaruhi hasil
bacaan sensor Max3010
4.2 Analisis Hasil Penelitian
Pada sub bab analisis hasil penelitian berisi tentang hasil-hasil penelitian
yang berupa hasil dari pengukuran dan gambar sebagai variabel yang diteliti
seperti yang sudah dirancang pada bab sebelumnya.
4.2.1 Hasil Pengujian Catu Daya
Tabel 4. 1 Hasil Pengujian Catu Daya
Pengujian Nilai Gambar

Vbaterai 9.17V
Vin LM2596 9.15 V

Vout LM2596 5.06 V
Keterangan tabel 4.1 :
Tegangan Masukkan tanpa beban, diukur pada kutub positif batterai,

dimana idealnya tegangan Pada batterai adalah tepat adalah 9 Volt, tetapi karena
ada unsur ketidak sempurnaan produk, maka toleransi penyimpangan sebesar:
Tegangan keluaran tanpa beban, diukur pada keluaran baterai, yaitu pada
Vin modul LM2596 dimana idealnya tegangan masukkan Vin adalah tepat 9 Volt,
tetapi karena ada unsur ketidak sempurnaan produk, maka toleransi
penyimpangan sebesar:
Tegangan keluaran tanpa beban, diukur pada keluaran baterai, yaitu pada
Vout modul LM2596 dimana idealnya tegangan keluaran dari Vin adalah 5 Volt,
tetapi karena ada unsur ketidak sempurnaan produk, maka toleransi
penyimpangan sebesar:
4.2.2 Hasil Pengujian LCD
Tabel 4. 2 Hasil Pengukuran Pada I2C LCD
No. Pin Pin Output Output Gambar

I2C Arduino Tegangan Tegangan
LCD (Volt) (Volt)
Kondisi Kondisi
LOW HIGH
1 VCC VCC 0 4.23
2 GND GND 0 0
3 SCL 0 2.00
I2C 1
4 SDA I2C 2 0 2.14
Keterangan Tabel.4.2 :
Tegangan keluaran tanpa beban, diukur pada keluaran batterai, dimana
idealnya tegangan keluaran dari batterai adalah tepat 5 Volt, tetapi karena ada
unsur ketidak sempurnaan produk, maka toleransi penyimpangan sebesar:
Tegangan keluaran tanpa beban, diukur pada keluaran SCL atau A4,
dimana idealnya tegangan keluaran dari SDA adalah tepat 3,3 Volt, tetapi karena
Tegangan keluaran tanpa beban, diukur pada keluaran SDA atau A4,
dimana idealnya tegangan keluaran dari SDA adalah tepat 3,3 Volt, tetapi karena
Program yang digunakan tampilan LCD adalah sebagai berikut :
#include <LiquidCrystal_I2C.h>
LiquidCrystal_I2C lcd(0x27,16,2);
void setup()
{
lcd.init()
;lcd.backlight();
Serial.begin(115200);
Serial.print("Initializing pulse oximeter..");
lcd.begin(16,2);
lcd.print("Initializing...");
delay(3000);
lcd.clear();
4.2.2 Hasil Pengujian Sensor Max30100
Pengujian Sensor SpO2 bertujuan untuk mengetahui konversi rasio tegangan

AC dan DC pada sensor (R) terhadap gula darah Referensi Sehingga akan di
dapatkan nilai gula darah Prediksi dan kemampuan baca sensor yang presisi.
Pengujian dillakukan Pada dua waktu yaitu Sebelum Makan (Puasa 8 Jam) dan
pada 2 Jam setelah makan Berikut adalah hasil pengujian pada Tegangan Keluaran
Tabel 4. 3 Pengujian Sensor MAX30100 Sebagai Pendeteksi Gula Darah
No. Kondisi Tegangan yang Di R Kadar

Hasilkan (Volt) (Desimal) Gula
(Mg/dL)
1 Ada Jari 0,2V 0,56000 84
Tidak ada 4,5V 4,40 0

jari
Ada Jari 0,3V 0,68000 317
Tidak ada 5V 4,40 0

Jari
Pada Tabel 4.3 menunjukkan nilai Tegangan terhadap Gula darah

Referensi pada saat keadaan Puasa 8 Jam atau yang di sebut Gula Darah Puasa
(GDP) dalam pembuatan perangkat elektronika biasanya terjadi dengan keluaran
yang tidak linier. Maka dari itu perlunya melakukan optimalisasi catu daya
keluaran dari sensor utuk meminimisasi ketidaksesuaian antara nilai pengukuran
dengan alat/divais yang dikembangkan dengan nilai sebenarnya merujuk pada
hasil pemeriksaan laboratorium. Pengukuran Sensor pada 2 Jam setelah makan
(GDPP) yang mana menunjukkan seperti pada tabel 4.4
Tabel 4. 4 Pengujian Sensor MAX30100 Sebagai Pendeteksi Gula Darah

Kondisi Tegangan yang R (Desimal) Kadar Gula

Di Hasilkan (Mg/dL)
(Volt)
1 Ada Jari 0,2V 0,56000 84
Tidak ada 4,5V 4,40 0
jari
2 Ada Jari 0,3V 0,60000 121
Tidak ada 5V 4,40 0
Jari
Setelah melihat hasil pengujian pada tabel 4.1 dan tabel 4.2 maka dapat
disimpulkan bahwa sensor saturasi oksigen Max30100 akan mencapai nilai
keluaran tegangan maksimal jika tidak ada jari yang menutupi sensor IR dan Red
LED sedangkan ketika sensor Max30100 terhalang oleh jari maka akan
menghasilkan tegangan keluaran yang sangat kecil
Pembacaan sensor bertahan 5 detik dikarenakan oksigen yang masuk

dalam tubuh tidak tetap jumlahnya. Untuk mendapatkan hasil yang tetap dan
konstan diperlukan kalibrasi pada Red LED agar posisi jari benar dan sinar Red
LED akan terdistorsi dengan sempurna dan didapatkan nilai yang maksimal.
4.2.3 Pengujian Sensor Max30100 Terhadap R
Prinsip kerja sistem ini adalah Sensor Oxymetri Max30100 merupakan sensor
pulse oxymetri yang dapat membaca kadar oksigen dalam darah (SPO2) dan
menghitung Heart Rate (BPM) dari manusia dan Proyek akhir ini membutuhkan
data kadar oksigen dalam darah (SPO2) yang didalamnya terkandung unsur nilai
R. Nilai R ini merupakan hasil dari perbandingan tegangan AC dan DC milik
Infrared dan Red LED. Untuk mendapatkan nilai R dengan rumus persamaan I
pada bab II yaitu dibawah ini
Pengukuran nilai R dilakukan pada dua waktu yaitu Gula darah Puasa 8
jam (GDP) dan gula darah setelah puasa (GDPP) tujuan dari pengukuran nilai R
pada dua waktu tersebut agar dapat mengetahui rentang nilai R pada gula darah
referensi yang telah didapatkan dari glucometer Easytouch Pada tabel 4.4 berikut
Pengujian Sensor MAX30100 Terhadap nilai R pada Gula darah puasa (GDP)
Tabel 4. 5 Pengujian Sensor MAX30100
Terhadap nilai R pada Gula darah puasa (GDP)
No. R GDP
1 0,52 60
2 0,56 63
3 0,56 63
4 0,56 70
5 0,56 75
6 0,56 75
7 0,58 75
8 0,58 76
9 0,58 81
10 0,58 83
11 0,58 83
12 0,58 86
13 0,58 86
14 0,58 86
15 0,58 88
16 0,58 93
17 0,60 96
18 0,60 111
19 0,60 116
20 0,64 121
Untuk pengambilan data sample dilakukan dengan 20 orang berbeda.

Dari 20 sukarelawan tersebut didapatkanlah hasil pengukuran berupa nilai
SPO2 dan kadar glukosa darah referensi menggunakan alat medis Easy
Touch.
Nilai SPO2 sendiri akan menghasilkan nilai R yang merupakan rasio dari
tegangan AC dan DC dari masing- masing Led. Untuk mendapatkan nilai R
dapat dihitung menggunakan rumus pada persamaan 2.1. Pengukuran
dilakukan saat pasien belum makan sama sekali di waktu pagi hari.
Berdasarkan tabel 4.4 yaitu pengukuran nilai R oleh sensor Max30100
didapat pada saat pengambilan sample gula darah referensi dimulai dari 0,52
terhadap gula darah senilai 60 mg/dL. Sedangkan untuk R sebesar 0,56 dapat
dideteksi pada saat mengukur gula darah referensi dari rentang 63 mg/dL
hingga 75 mg/dL. Lalu nilai R sebesar 0,58 pada gula darah pagi mulai dari
75 mg/dL hingga 93 mg/dL. Hingga pada R sebesar 0,60 terhadap gula darah
referensi dari rentang 96 mg/dL hingga 116 mg/dL. Hal ini menunjukkan
adanya keterkaitan antara nilai tegangan keluaran sensor (R) dengan Gula
Darah referensi.
Kemudian pengujian kedua dilakukan pada saat pasien telah makan siang
dan gula darah referensi diukur menggunakan alat Easytouch . seperti pada
tabel 4.4 pada halaman sebelumnya, pada tabel 4.5 disajikan data pengujian
nilai R tegangan pada Sensor Max30100 terhadap nilai gula darah referensi
yang didapat dari pengukuran sample darah dari alat konvensional yaitu
glucometer Easytouch
Pada Tabel 4.5 berikut merupakan hasil pengukuran yang telah

dilakukan pada saat waktu makan siang. Hasil pengukuran terhadap nilai R
tegangan sensor sebagai variabel bebas dan hasil gula darah setelah makan
siang (2 jam). pengukuran ini dilakukan setelah pasien makan siang dan
ditunggu selama 2 jam
Tabel 4. 6 Pengujian Sensor MAX30100

Terhadap nilai R pada Gula darah Setelah Makan (GDPP)
No. R GDPP
1 0,52 84
2 0,56 88
3 0,58 89
4 0,58 90
5 0,6 94
6 0,6 96
7 0,6 97
8 0,6 101
9 0,6 106
10 0,6 107
11 0,6 113
12 0,6 116
13 0,6 116
14 0,6 118
15 0,6 118
16 0,68 132
17 0,68 140
18 0,68 142
19 0,68 165
20 0,68 247
. Analisa regresi yang dilakukan merupakan Analisa mengenai
ketergantungan variabel dependen (terikat) dengan variabel independent
untuk memprediksi rata-rata populasi berdasarkan nilai variabel yang
diketahui. sample gula darah referensi dimulai dari 0,52 terhadap gula darah
senilai 84 mg/dL. Sedangkan untuk R sebesar 0,56 dapat dideteksi pada saat
mengukur gula darah referensi dari rentang 88 mg/dL hingga 90 mg/dL. Lalu
nilai R sebesar 0,58 pada gula darah pagi mulai dari 90 mg/dL hingga 97
mg/dL. R sebesar 0,60 terhadap gula darah referensi dari rentang 100 mg/dL
hingga 116 mg/dL. Hingga nilai R yang terbesar yaitu 0,68 dengan rentang
nilai gula darah sebesar 132 mg/dL hingga 247 mg/dL
. Karena penggunaan rumus regresi linear bertujuan untuk melihat
hubungan antara nilai R dengan gula darah referensi yang didapat dari sample
darah sebagai perbandingan, Sehingga terdapat hubungan antara nilai R dan
gula darah referensi yang disajikan dalam gambar sebagai berikut :
Gambar a nilai R terhadap Gula darah Puasa Gambar b nilai R terhadap gula darah setelah
Pengukuran nilai tegangan R pada masing-masing waktu sesuai pada
gambar (a) dan gambar (b) yang dilakukan merupakan Analisa mengenai
ketergantungan variabel dependen (terikat) dengan variabel independent
untuk memprediksi rata-rata populasi berdasarkan nilai variabel yang
diketahui. Pada regresi linier sendiri terdapat variabel X yang menjadi
variabel bebas dan variabel Y sebagai variabel terikat. pada pengukuran kali
ini nilai R sebagai variabel bebas (X) yaitu pada garis biru dan nilai gula
darah (GDP dan GDPP) referensi yang akan menjadi variabel terikatnya (Y)
pada garis merah. Berdasarkan gambar (a) pada saat pengambilan sample
gula darah puasa nilai R yang keluar berkisar antara 0,56 sampai 0,64
berbanding lurus dengan hasil pengukuran sample darah gula darah
referensinya dari rentang 60 mg/dL hingga 121 mg/dL. Sedangkan pada
gambar (b) menunjukkan grafik hubungan nilai R dengan gula darah referensi
pada saat pengukuran gula darah setelah makan siang dengan kisaran nilai R
nya sebesar 0,52 hingga 0,68 dan berbanding lurus dengan hasil gula darah
referensi yang berkisar dari yang terkecil 84 mg/dL hingga yang terbesar 247
mg/dL. Hal ini menunjukkan bahwa adanya hubungan nilai R dengan gula
darah referensi dari dua waktu pengukuran tersebut.
4.2.4 Hasil Pengujian Sensor MAX30100 Terhadap Kadar Gula Darah

pembacaan MAX30100 terkait keberadaan Glukosa pada Aliran darah, sehingga
mengetahui apakah sensor MAX30100 dapat melakukan pengukuran kadar Gula
darah dengan baik. Pengujian Sensor MAX30100 bertujuan untuk mengetahui
apakah ada hubungan Kadar oksigen dengan gula darah seseorang Sehingga akan di
dapatkan kemampuan baca sensor yang presisi. Pengujian dilakukan dengan
meletakkan jari di atas sensor Max30100.. Kemudian akan ditampilkan ke dalam
LCD. Berikut merupakan hasil dari perbandingan nilai pengukuran nilai gula darah.
Tabel 4. 7 Hasil Pengujian Sensor MAX30100 Terhadap Gula Darah Puasa
(GDP)
No Usia Ket Gula Darah Gambar Error

. Max30100 GCU Easytouch (%)
Max301 GCU
00 Easy
Touch
20 Sehat 74.8 75 0.2667
1.
Belum
perah
berob
at
2. 18 Sehat 58.9 60 1.8333
Belum
perah
berob
at
3. 21 Sehat 73.3 75 2.267
Belum
perah
berob
at
4. 45 Sehat 120 121 0.826
perah
berob
at
5. 51 Sehat 61.2 63 2.860
Belum
perah
berob
at
6. 22 Sehat 89.6 93 3.660
Belum
perah
berob
at
7. 51 Sehat 88.9 88 1.023
Belum
perah
berob
at
8. 21 Sehat 61.4 63 2.540
Belum
perah
berob
at
9. 24 Sehat 78.2 76 2.894
Belum
perah
berob
at
10. 23 Sehat 87.3 86 0.906
Belum
perah
berob
at
11. 52 Sehat 80.7 81 0.370
Belum
perah
berob
at
12. 36 Sehat 108 111 2.702
Belum
perah
berob
at
13. 53 Sehat 84 86 2.325
Belum
perah
berob
at
14. 22 Sehat 83.9 83 1.084
Belum
perah
berob
at
15. Sehat 66.2 67 1.194
18
Belum
perah
berob
at
16. 48 Sehat 72.8 73 0.821
Belum
perah
berob
at
17. 45 Sehat 80.6 83 2.891
Belum
perah
berob
at
18. 23 Sehat 68.7 69 0.434
Belum
perah
berob
at
19. 22 Sehat 60.5 63 3,960
Belum
perah
berob
at
20. 23 Sehat 95.5 96 0.520
Belum
perah
berob
at
Pada tabel 4.7 adalah hasil pengukuran gula darah terhadap 20 orang
berbagai usia dari usia 18 tahun hingga 52 tahun dengan rata-rata umur 22
tahun. Berikut rata-rata konsentrasi gula darah buatan
Rata-rata konsentrasi gula darah alat buatan :

Rata-rata konsentrasi gula darah glucometer Easytouch :
Namun, pengukuran tidak luput dari kesalahan dan adanya error. Jika
dibuat pada tabel 4.8 untuk pengukuran Gula Darah Puasa (GDP) maka presentase
error, rata-rata, dan standar deviasi akan disajikan sebagai berikut :
Tabel 4. 8 hasil pengukuran GDP
No. Usia Gula Darah (GDP) Error

Max3010 GCU (%)
0 Easy
Touch
1 20 74.8 75 0.266
2. 18 58.9 60 1.833
3. 21 73.3 75 2.267
4. 45 120 121 0.826
5. 51 61.2 63 2.860
6. 22 89.6 93 3.660
7. 51 88.9 88 1.023
8. 21 61.4 63 2.540
9. 18 78.2 76 2.894
10. 23 87.3 86 0.906
11. 52 80.7 81 0.370
12. 36 108 111 2.702
13. 53 84 86 2.325
14. 22 83.9 83 1.084
15. 18 66.2 67 1.194
16. 48 72.8 73 0.821
17. 33 80.6 83 2.891
18. 23 68.7 69 0.434
19. 22 60.5 63 3,960
20. 23 95.5 96 0.520
Rata-rata error 1,76
Rata-rata Error :
Tabel Hasil Pengujian Sensor MAX30100 untuk mengukur Gula Darah

Terhadap Rutinitas Sehari hari (GDPP)
No. Usia Ketera Gula Darah Gambar Error
ngan MAX GCU MAX30100 GCU Easytouch
30100 Easyto
uch
1 20 Sehat 105 107 1.8
Belum
perah
beroba
t
2 18 Sehat 89.6 89 0.6
Belum
perah
beroba
t
3 21 Sehat 116 1.7
114
Belum
perah
beroba
t
4 45 Sehat 238 247 3.64
Sudah
perah
beroba
t
5 51 Sehat 94.1 94 0.1
Belum
perah
beroba
t
6 22 Sehat 106 106 0
Belum
perah
beroba
t
7 51 Sehat 133 132 0.7
Belu
m
perah
berob
at
8 53 Sehat 164 165 0.6
Belu
m
perah
berob
at
9 24 Sehat 115 0.86
116
Belu
m
perah
berob
at
10 18 Sehat 88.9 88 0.9
Belu
m
perah
berob
at
11 23 Sehat 95.7 96 0.3
Belu
m
perah
berob
at
12 52 Sehat 144 142 1.4
Belu
m
perah
berob
at
13 36 Sehat 115 115 0
Belu
m
perah
berob
at
14 22 Sehat 80.6 84 4.04
Belu
m
perah
berob
at
15 17 100 101 0.9
Sehat
Belu
m
perah
berob
at
16 48 Sehat 97.5 97 0.5
Belu
m
perah
berob
at
17 45 Sehat 117 118 0.84
Belu
m
perah
berob
at
18 23 Sehat 90 90 0
Belu
m
perah
berob
at
19 21 Sehat 135 136 0.73
Belu
m
perah
berob
at
20 23 Sehat 118 120 1.67
Belu
m
perah
berob
at
Pengukuran dilakukan pada waktu pagi hari setelah makan siang disebut
gula darah setelah puasa (GDPP). Pengukuran gula darah dilakukan dengan
membandingkan hasil dari Alat prototipe dengan glucometer manual merk
Easytouch. Pengukuran Gula darah dengan Alat deteksi gula darah mendeteksi
dengan nilai paling kecil sebesar 86 mg/dL dan nilai gula darah yang terbesar yaitu
0 mg/dL . sedangkan untuk pengujian menggunakan glucometer Easytouch
mendeteksi gula darah dengan nilai terkecil sebesar 86 mg/dL dengan nilai terbesar
sebesar 3 mg/dL. Sehingga didapatkan rata-rata konsentrasi gula darah pada kedua
alat sebagai berikut
Rata-rata konsentrasi gula darah alat buatan :
Rata-rata konsentrasi gula darah glucometer Easytouch :

Seperti pada tabel 4.7 pengukuran ini didapatkan nilai error, rata-rata error,
dan standar deviasi yang ada. Untuk tabel 4.9 rata-rata gula darah didapat sebesar
sedangkan rata-rata konsentrasi gula darah pada pengukuran Namun, pengukuran
tidak luput dari kesalahan dan adanya error. Jika dibuat pada tabel 4.9 maka
presentase error, rata-rata, dan standar deviasinya ditentukan dengan rumus
sebagai berikut
Tabel 4. 9 hasil pengukuran GDPP
No. Usia Gula Darah Error

Max30100 GCU (%)
Easy
Touch
1 20 105 107 1.8
2. 18 89.6 89 0.6
3. 21 114 116 1.7
4. 45 238 247 3.64
5. 51 94.1 94 0.1
6. 22 106 106 0
7. 51 133 132 0.7
8. 53 164 165 0.6
9. 24 116 115 1
10. 18 88.9 88 0.9
11. 23 95.7 96 0.3
12. 52 144 142 1.4
13. 36 115 115 0
14. 22 80.6 84 4.04
15. 17 100 101 0.7
16. 48 97.5 97 0.5
17. 45 117 118 0.84
18. 23 90 90 0
19. 21 135 136 0.7
20. 23 118 120 1.8
Rata-Rata Error 0,25
Rata-rata Error :
4.2.5 Hasil Pengujian Sensor MAX30100 Terhadap Kadar Oksigen

pembacaan Kadar Oksigen MAX30100, sehingga mengetahui apakah sensor
MAX30100 dapat melakukan pengukuran Kadar Oksigen dengan baik Sehingga
akan di dapatkan kemampuan baca sensor yang presisi mengingat kunci dari
Pengukuran Gula Darah oleh sensor Max30100 terdapat pada nilai R sensor
sehingga harus membutuhkan nilai %SpO2 terlebih dahulu. Pengujian dilakukan
dengan meletakkan jari di atas sensor Max30100 kemudian akan ditampilkan ke
dalam LCD. Berikut merupakan hasil dari perbandingan nilai pengukuran nilai
gula darah.
Tabel 4. 10 Hasil Pengujian Sensor MAX30100 Terhadap Kadar Oksigen
No. Usia Saturasi Oksigen Gambar Error

(%)
Max3 Oxymete
0100 r
20 97% 97% 0
1.
.
2. 18 98% 98% 0
3. 21 96% 96% 0
4. 45 95% 97% 2.1

5. 51 96% 99% 3.1
6. 22 97% 98% 1
7. 51 94% 94% 0
8. 21 99% 99% 0
9. 18 98% 98% 0
10. 23 97% 97% 0

11. 52 96% 97% 1
12. 36 96% 98% 2
13. 53 95% 98% 3.1
14. 22 94% 95% 1
15. 18 98% 98% 0
16. 48 97% 98% 1

17. 33 96% 97% 1
18. 23 98% 98% 0
19. 22 99% 99% 0
20. 23 93% 94% 1
Pengukuran dilakukan pada waktu pagi hari dengan membandingkan hasil

dari Alat prototipe dengan glucometer manual merk Oxilite Pengukuran Saturasi
Oksigen dengan sensor Max30100 mendeteksi dengan nilai paling kecil sebesar
93% dan saturasi oksigen yang terbesar yaitu 98% . sedangkan untuk pengujian
menggunakan glucometer Easytouch mendeteksi gula darah dengan nilai terkecil
sebesar 94% dengan nilai terbesar sebesar 98%. Sehingga didapatkan rata-rata
saturasi oksigen pada kedua alat sebagai berikut
Rata-rata kadar oksigen Max30100 :
Rata-rata konsentrasi Oksigen dari Oxilitl :
Seperti pada tabel 4.10 pengukuran ini didapatkan nilai error, rata-rata
error, dan standar deviasi yang ada. Untuk tabel 4.11 rata-rata Kadar Oksigen
didapat sebesar 87% sedangkan rata-rata kadar oksigen pada pengukuran alat
komersial sebesar 87.4% Namun, pengukuran tidak luput dari kesalahan dan
adanya error. Jika dibuat pada tabel 4.11 maka presentase error, rata-rata, dan
standar deviasinya ditentukan dengan rumus sebagai berikut :
Tabel 4. 11 Hasil Pengukuran Kadar Oksigen
No. Usia Saturasi Oksigen Error

Max30100 Oxilite (%)
1 20 97% 97% 0
2. 18 98% 98% 0
3. 21 96% 96% 0
4. 45 95% 97% 2.1
5. 51 96% 99% 3.1
6. 22 97% 98% 1
7. 51 94% 94% 0
8. 21 99% 99% 0
9. 18 98% 98% 0
10. 23 97% 97% 0
11. 52 96% 97% 1
12. 36 96% 98% 2
13. 53 95% 98% 3.1
14. 22 94% 95% 1
15. 18 98% 98% 0
16. 48 97% 98% 1
17. 33 96% 97% 1
18. 23 98% 98% 0
19. 22 99% 99% 0
20. 23 93% 94% 1
Rata-rata error 0.81
Rata-rata Error :
4.2.6 Pengujian Metode Regresi Terhadap Data Sample
Pada proses ini, data yang telah didapatkan pada Tabel 4.12 dan 4.13
diurutkan sesuai nilai R nya dari yang terkecil hingga terbesar. Sehingga untuk
urutan variabel ID dan kadar glukosa mengikuti dari urutan nilai R. Setelah itu
dilakukan analisa untuk analisis regresi. Berikut hasil yang didapatkan dari analisa
regresi antara nilai R (Independents) dan kadar glukosa darah puasa (GDP) serta
nilai R (Independents) dengan kadar glukosa darah 2 jam setelah makan (GD2PP).
Menghitung persamaan regresi dimana persamaanya adalah :
………………………………………… (6)
Dengan :
Y = Variabel Response atau Variabel Akibat (Dependent)
X = Variabel Predictor atau Variabel Faktor Penyebab (Independent)
a = konstanta
b = koefisien regresi (kemiringan); besaran Response yang ditimbulkan oleh

Predictor
Untuk mendapatkan kadar gula prediksi terhadap dua waktu yaitu gula
darah puasa (GDP) dan guka darah darah 2 jam setelah makan (GD2PP) maka
akan dicari persamaan regresi linear pada data yang didapatkan saat pengukuran
dua waktu. Untuk data gula darah sebelum makan (GDP) disajikan pada tabel
4.10
Tabel 4. 12 Analisis GDP
R GDP R2 GDP2 GDP x R

(Desimal)
0,52 60 0,2704 3600 31,2
0,56 63 0,3136 3969 35,28
0,56 63 0,3136 3969 35,28
0,56 70 0,3136 4900 39,2
0,56 75 0,3136 5625 42
0,56 75 0,3136 5625 42
0,58 75 0,3364 5625 43,5
0,58 76 0,3364 5776 44,08
0,58 81 0,3364 6561 46,98
0,58 83 0,3364 6889 48,14
0,58 83 0,3364 6889 48,14
0,58 86 0,3364 7396 49,88
0,58 86 0,3364 7396 49,88
0,58 86 0,3364 7396 49,88
0,58 88 0,3364 7744 51,04
0,58 93 0,3364 8649 53,94
0,60 96 0,36 9216 57,6
0,60 111 0,36 12321 66,6
0,60 116 0,36 13456 69,6
0,64 121 0,4096 14641 77,44
Pada tabel 4.12 disajikan data gula darah prediksi untuk gula darah puasa
(GDP) dengan nilai R memiliki dua variabel yaitu X dan Y.variabel X merupakan
variabel bebas yang digunakan sebagai nilai predictor. Dalam penelitian ini, nilai R
keluaran sensor Max30100 akan menjadi variabel bebas (X) sementara variabel Y
adalah variabel terikat (Dependen) yangmana akan diwakili oleh nilai Gula Darah
Puasa yang diukur dengan glucometer Easytouch . berdasarkan perhitungan dari
persamaan 6 Berikut merupakan model persamaan regresi yang didapatkan dan
diuji
Linier Regression :
GDP = 312,984R-33,160…………………………………………………..(7)
Pada persamaan 7 telah didapatkan persamaan Regresi Linier untuk

mendapatkan kadar gula darah sebelum makan (GDP). Untuk mendapatkan nilai
gula darah setelah makan (GDPP) disajikan pada tabel berikut :
Tabel 4. 13 Analisis GDPP
R GDPP R2 GDPP2 GDPP x R

(Desimal)
0,52 84 0,2704 7056 43,68
0,56 88 0,3136 7744 49,28
0,58 89 0,3364 7921 51,62
0,58 90 0,3364 8100 52,2
0,6 94 0,36 8836 56,4
0,6 96 0,36 9216 57,6
0,6 97 0,36 9409 58,2
0,6 101 0,36 10201 60,6
0,6 106 0,36 11236 63,6
0,6 107 0,36 11449 64,2
0,6 113 0,36 12769 67,8
0,6 116 0,36 13456 69,6
0,6 116 0,36 13456 69,6
0,6 118 0,36 13924 70,8
0,6 118 0,36 13924 70,8
0,68 132 0,4624 17424 89,76
0,68 140 0,4624 19600 95,2
0,68 142 0,4624 20164 96,56
0,68 165 0,4624 27225 112,2
0,68 247 0,4624 61009 167,96
Pada tabel 4.13 disajikan data gula darah prediksi untuk gula darah puasa
(GDP) dengan memiliki dua variabel yaitu X dan Y.variabel X merupakan variabel
bebas yang digunakan sebagai nilai predictor. Dalam penelitian ini, nilai R keluaran
sensor Max30100 akan menjadi variabel bebas (X) sementara variabel Y adalah
variabel terikat (Dependen) yangmana akan diwakili oleh nilai Gula Darah Puasa
yang diukur dengan glucometer Easytouch . berdasarkan perhitungan dari
persamaan 6 Berikut merupakan model persamaan regresi yang didapatkan dan
diuji :
GD2PP = 649,324R-133,086 ……………………………………………… (8)
4.2.7 Metode Clarke Error Grid Analysis
Kadar glukosa darah dalam tubuh memiliki pengaruh terhadap kesehatan

manusia. Kesehatan tersebut bisa baik saat kadar glukosa darah dalam manusia
sesuai dengan kadar normal. Namun jika kadar glukosa darah melebihi batas
kadar glukosa darah, maka memiliki kemungkinan ataupun sudah terdiagnosa
penyakit diabetes. Sesuai dengan tujuan dari adanya proyek akhir ini, yaitu bisa
mengukur kadar glukosa darah dengan variabel nilai R, maka dibuatlah model
persamaan regresi. Dengan persamaan tersebut ditemukanlah kadar glukosa darah
prediksi. Dari nilai kadar glukosa darah prediksi, maka bisa dilakukan evaluasi
kepentingan medis yang dilakukan [3]. Berikut merupakan grafik Clarke Error
Grid Analysis dari masing- masing persamaan beserta analisanya.
Gambar 4. 1. Linier Regression GDP

Pada grafik gambar 4.1 menunjukkan analisis Clarke Error Grid
berdasarkan blood glucose level relevan yang menentukan akurasi nilai
proporsional dependen dikelompokkan sebagai berikut : Zona A=75% , Zona B=
4,5%, dan Zona C-E = 19,25 %. Sehingga dapat dikatakan bahwa prediksi nilai
kadar glukosa darah yang berbeda dengan nilai kadar glukosa darah referensi lebih
dari 20% Analisis hasil pengukuran dengan alat rancangan menempati zona A dan
Sebagian kecil pada zona B, C hingga D. mengindikasikan bahwa kesalahan
pengukuran masih relatif kecil dan rancang bangun alat pengukur gula darah
mampu mengukur kadar gula darah tanpa melukai bagian tubuh sehingga dapat
meminimalisir terjadinya infeksi yang diakibatkan adanya luka. Untuk hasil analisis
gula darah setelah makan siang terdapat pada gambar 4.2 .
4.2 Linier Regression GDPP
proporsional dependen dikelompokkan sebagai berikut : Zona A=20% , Zona B =
75%, dan Zona C-E = 5%. Sehingga dapat dikatakan bahwa prediksi nilai kadar
glukosa darah yang berbeda dnegan nilai kadar glukosa darah referensi lebih dari
20%.
4.3 Pembahasan
Pengujian alat secara keseluruhan dilakukan dengan menggabungkan

semua subsistem yang telah ada, penggabungan subsistem tersebut terdiri dari
Modul Saturasi oksigen Sensor MAX30100. Berdasarkan hasil seluruh pengujian
subsitem yang telah dilakukan diketahui bahwa rancang bangun berfungsi sesuai
dengan perencanaan.
Pengujian Catu Daya dapat dilihat pada Tabel 4.1. Pengujian Daya tahan baterai
dilakukan untuk mengetahui berfungsi atau tidaknya karena akan mempengaruhi
jalannya sistem dan berapa lamanya. Pengujian dilakukan dengan mengukur
tegangan daya
Tabel pengukuran tegangan pada Modul Denyut Nadi Sensor MAX30100
dapat dilihat pada Tabel 4.6. Modul Denyut Nadi Sensor MAX30100 untuk
deteksi setelah melewati pembuluh balik dan pembuluh kapiler pada ujung jari
telunjuk. Sensor MAX30100 adalah suatu metode non-invasive untuk mengukur
persentase hemoglobin (Hb) yang saturasi dengan oksigen di dalam darah. Metode
ini menggunakan perbedaan panjang gelombang dari cahaya merah (660 nm) dan
cahaya inframerah (940 nm) yang ditangkap oleh sensor deteksi setelah melewati
pembuluh balik dan pembuluh kapiler pada ujung jari telunjuk.
Hasil pengujian keseluruhan dapat dilihat pada Tabel 4.7. Sistem harus dapat
melakukan semua proses yang telah ditentukan sistem sebagai berikut
4.3.1 Kinerja Rangkaian Regulator
Pada penelitian ini, menggunakan rangkaian regulator pada Tabel 4.1

dimana menunjukan hasil tegangan masukan 227,0 Volt AC dan nilai tegangan
keluaran 5,57 Volt DC dengan beban rata-rata 0.17A. Rangkaian regulator
memberikan suplai listrik ke tiap-tiap komponen, mulai dari sensor Max30100
terhubung melalui usb port pada Arduino yang kemudian dibagi ke
masing-masing komponen
4.3.2 Kinerja Rangkaian Sensor Max30100

Sensor Deteksi Saturasi Oksigen dan Denyut Nadi pada penelitian
ini dipilih untuk mendeteksi suhu dikarenakan pada data yang dikeluarkan data
digital dan kemampuan rentang deteksi Oksigen dari 93% sampai dengan 98%.
Seperti pada tabel 4.10 pengukuran ini didapatkan nilai error, rata-rata error, dan
standar deviasi yang ada. Untuk tabel 4.11 rata-rata Kadar Oksigen didapat
sebesar 87% sedangkan rata-rata kadar oksigen pada pengukuran alat komersial
sebesar 87.4% Namun, pengukuran tidak luput dari kesalahan dan adanya error.
Jika dibuat pada tabel 4.11 maka presentase rata-rata error sebesar 0,66% dan
standar deviasinya yaitu sebesar 0,16. Hal ini tentu mempengaruhi pembacaan
sensor terhadap formula Linier Regression yang akan dibahas pada subbab 4.3.3
4.3.3 Pembacaan Nilai Gula Darah Dengan formula Linier Regression
Proyek akhir ini membutuhkan data kadar oksigen dalam darah (SPO2)
yang didalamnya terkandung unsur nilai R. Nilai R ini merupakan hasil dari
perbandingan tegangan AC dan DC milik Infrared dan Red LED. Untuk
mendapatkan nilai R dengan rumus persamaan I pada bab II. Nilai SPO2 sendiri
akan menghasilkan nilai R yang merupakan rasio dari tegangan AC dan DC dari
masing- masing Led.
Untuk mendapatkan nilai R dapat dihitung menggunakan rumus pada
persamaan 2.1. Pada Tabel 4.1 nilai R yang dapat dijangkau dari 0.58 hingga 6.03
sedangkan pada tabel 4.11 disajikan data gula darah prediksi untuk gula darah
puasa (GDP) dengan memiliki dua variabel yaitu X dan Y.variabel X merupakan
variabel bebas yang digunakan sebagai nilai predictor. Dalam penelitian ini, nilai
R keluaran sensor Max30100 akan menjadi variabel bebas (X) sementara variabel
Y adalah variabel terikat (Dependen) yangmana akan diwakili oleh nilai Gula
Darah Puasa yang diukur dengan glucometer Easytouch . berdasarkan perhitungan
dari persamaan 6 Linier Regression memiliki rata-rata error sebesar 1.35 pada
pengukuran gula darah puasa (GDP) dan error sebesar 0.70 pada pengukuran Gula
Darah Setelah Makan 2 Jam (GDPP).
Merujuk Pada Tabel 4.1 nilai R yang dapat dijangkau dari 0.58 hingga
6.03 sehingga dapat terlihat bahwa jangkauan efektif sensor dalam mendeteksi
gula darah pada nilai 60 mg/dL hingga 110 mg/dL pada pagi hari dan pada saat
setelah 2 Jam makan siang sebesar 86 hingga 132 mg/dL
4.3.4 Analisis EGA (Error Clark Grid Analysis)
Kadar glukosa darah dalam tubuh memiliki pengaruh terhadap kesehatan

manusia. Kesehatan tersebut bisa baik saat kadar glukosa darah dalam manusia
sesuai dengan kadar normal. Namun jika kadar glukosa darah melebihi batas
kadar glukosa darah, maka memiliki kemungkinan ataupun sudah terdiagnosa
penyakit diabetes. Diagnosis tersebut ada pada analisis yang disebut Error Clark
Grid Analysis. Pada analisis ini terbagi atas empat zona, yaitu zona A, B. C, dan
D. Pada grafik gambar 4.1 menunjukkan analisis Clarke Error Grid berdasarkan
blood glucose level relevan yang menentukan akurasi nilai proporsional dependen
dikelompokkan sebagai berikut : Zona A=31,25% , Zona B= 6,25%, dan Zona
C-E = 62,5%. Sehingga dapat dikatakan bahwa prediksi nilai kadar glukosa darah
yang berbeda dnegan nilai kadar glukosa darah referensi lebih dari 20%.
proporsional dependen dikelompokkan sebagai berikut : zona A = Zona B = dan
zona C-E = berikut : Zona A=28,125% , Zona B = 43,75%, dan Zona C- =
28,125%.
4.4 Aplikasi Hasil Penelitian
Hasil penelitian ini berupa sistem yang terintergrasi dengan Organ Tubuh
yaitu Aliran darah manusia. Sehingga sistem ini dapat diterapkan pada Orang
dewasa, khususnya para Lansia dimana memiliki potensi Diabetes. Sehingga
Pasien dan orang-orang terdekat pasien sangat perlu mengetahui keadaan Pasien
itu sendiri, dengan sistem ini Pasien akan mengetahui besaran Gula Darah
Mereka.
Dengan adanya alat ini di masyarakat diiharapkan agar meningkatkan rasa

waspada masyarakat akan Kesehatan mereka sendiri dengan menjaga pola hidup
sehat dan memudahkan masyarakat untuk tes gula secara mandiri dan efisien
karena mengingat tidak semua lapisan masyarakat memiliki perangkat gula darah
komersial karena harganya yang kadang tidak terjangkau. Serta untuk tes
Kesehatan demi kepentingan lainnya seperti tes fisik AKPOL, tes fisik masuk
PTN, tes fisik CPNS, screening Kesehatan untuk Lembaga-lembaga tertentu serta
yang terbaru yaitu tes Kesehatan pra-vaksin dosis 1 dan 2 vaksin Covid 19
yangmana jika ada orang yang ingin vaksin namun mempunyai komorbid yaitu
Diabetes
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Setelah melakukan perancangan, implementasi, pengujian, dan analisa dalam

Rancang Bangun Alat Pendeteksi Gula Darah Menggunakan Oxymeter
MAX30100 Berbasis Arduino R3 maka dapat ditarik beberapa kesimpulan
sebagai berikut :
1. Rancang bangun Alat pendeteksi Gula Darah Berbasis Arduino R3 Telah

berhasil mengukur nilai Gula Darah dan dapat melakukan tes gula darah
secara non-invasive berdasarkan hasil pengujian seluruh sistem
2. Hasil pengujian sistem atau alat adalah sebagai berikut:

a) Sensor Max30100 dapat mengukur saturasi oksigen deteksi
Oksigen dari 93% sampai dengan 98%. Sensor Deteksi Saturasi
Oksigen dan Denyut Nadi pada penelitian ini dipilih untuk
mendeteksi suhu dikarenakan pada data yang dikeluarkan data
digital sehingga rata-rata error yang dihasilkan sebesar 0,81%
b) Untuk mendapatkan nilai R dapat dihitung menggunakan rumus
pada persamaan Linier Regression Sederhana didapatkan rentang
nilai R dari 0.58 hingga 6.03 yangmana menyesuaikan dengan gula
darah prediksi yang di hasilkan sebesar 60 mg/dL hingga 132
mg/dL. Hal ini menunjukkan adanya korelasi nilai R dengan
rentang nilai Gula Darah Prediksi terhadap dua waktu dengan error
sebesar 1.35% sehingga masih dapat ditoleransi
c) Untuk Error Clark Grid Analysis pasien didominasi di zona A yaitu
sebesar 31,25% untuk pengukuran gula darah Pagi sementara untuk
gula darah siang pasien terbanyak jatuh di zona A yaitu sebesar
28,125%
5.2 Saran
Adapun saran yang dibutuhkan pada Alat Pendeteksi Gula Darah Berbasis
Arduino yang telah dibuat dan diuji adalah sebagai berikut:
1. Alat Pendeteksi Gula Darah menggunakan Sensor Max30100 diperlukan

pengembangan lebih lanjut terkait komponen dan sensor yang digunakan
2. diperlukan penambahan modul pewaktu agar melakukan pengujian pada pasien
secara aktual guna dapat menguji alat dengan efisien dengan waktu yang aktual.
3. Alat Pendeteksi Gula Darah menggunakan Sensor Max30100 diperlukan
menambahkan sensor yang lebih akurat secara kemampuan seperti sensor Gas
untuk endeteksi zat keton untuk mendeteksi parameter gula darah yang lebih
spesifik atau sensor warna untuk mendeteksi kekeruhan warna pada urin yang dapat
dijadikan salah satu parameter penyakit Diabetes guna meningkatkan kinerja alat
yang lebih baik lagi
4. Jika dijadikan sebuah sistem dapat ditambahkan sistem pengingat untuk pasien
seperti penambahan indikator buzzer untuk membatasi nilai gula yang terlalu tinggi
dan data gula darah tersebut dikirimkan kepada sistem tersebut hingga pasien
mendapatkan notifikasi berupa anjuran menjaga pola makan
.
DAFTAR PUSTAKA
Astuti, I., 2016. Penderita Diabetes di Indonesia Meningkat.

http://mediaindonesia.com/news/read/61414/penderita-diabetes-di-indonesia
meningkat/2016-08-13. (diakses 21 Maret 2021).
Dalimunthe, D. (2004). Diabetes Militus:Peranan Insulin, Reseptor Insulin dan

Penanganannya. Medan: Universitas Sumatera Utara.
Biokimia, I., Endah, K., & Hendarmin, L. A. (n.d.). BAB XVI Hematologi dan Onkologi.
267–271.
Clarke, W. L. (2005). The Original Clarke Error Grid Analysis (EGA). In DIABETES
TECHNOLOGY & THERAPEUTICS (Vol. 7, Issue 5).
Engr Fahad. (2020). Max30100 pulse Oximeter Arduino Code, circuit, and Programming.
International Diabetes Federation.( 2006). Metabolic Factors and Non- Alcoholic

Fatty Liver Disease as Co-Factors in Other Liver Diseases.” Digestive
Diseases, vol. 28, no. 1, 2010, pp. 186–91, doi:10.1159/000282084.
Brussels: International Diabetes Federation Communications
John, S., (2011), The Pursuit Of Noninvasive Glucose: “Hunting The Deceitful Turkey”.
RI., Kemenkes, 2014 . Situasi dan Analisis Diabetes. Jakarta: Pusat Data Informasi.
Louis, L. (2018). Working Principle of Arduino and Using It as a Tool For Study and
Working Principle of Arduino and Using, (July).
https://doi.org/10.5121/ijcacs.2016.1203
M.Shichiri, Y.Yamasaki, R.Kawamori, N.Hakui and, H. Abe (1982). Wearable Artificial

Endocrine Pancreas With Needle-Type Glucose Sensor. Lancet, vol. 320, no. 8308,
pp. 1129–1131.
Medtronic MiniMed Inc (2013).continous glucose monitoring system. [Online].
Available: www.medtronicdiabetes.com.
Mesandra, Oktaria Widya., (2010). Rancang Bangun Pendeteksi Kadar Gula Dalam
Darah Secara Non-Invasive Berbasis Mikrokontroler Atmega 8535. Semarang:
Universitas Diponegoro
Pandiangan , Johannes., (2007) Perancangan Dan Penggunaan Photodioda Sebagai Sensor

Penghindar Dinding Pada Robot Forklift
Reza, A.,( 2011), Uji Fehling Terhadap Gula Pereduksi, Jurnal Ilmiah Kimia
S. K. Vashist (2012).Analytica Chimica Acta Non-invasive glucose monitoring

technology in diabetes management : A review. Anal.Chim. Acta.vol. 750, pp.
16–27.
Syailendra, R.(2009), Alat Pendeteksi Kadar Gula Dalam Tubuh Melalui Urin Secara
Otomatis) Berbasis Mikrocontroller, Laporan Penelitian Tugas Akhir, Institut
Teknologi Sepuluh Nopember, Surabaya.
Biokimia, I., Endah, K., & Hendarmin, L. A. (n.d.). BAB XVI Hematologi dan Onkologi.
267–271.
Clarke, W. L. (2005). The Original Clarke Error Grid Analysis (EGA). In DIABETES
TECHNOLOGY & THERAPEUTICS (Vol. 7, Issue 5).
Engr Fahad. (2020). Max30100 pulse Oximeter Arduino Code, circuit, and Programming.
Fikri, B., & Ganda, I. J. (2005). Transpor oksigen. Skripsi Bagian Ilmu Kesehatan Anak Fakultas
Kedokteran Universitas Hasanudin Tidak Dipublikasikan.
Gall, M. D., Gall, J. P., & Borg, W. R. (1971). Borg and Gall (p. 533).
Menggunakan, A., & Skripsi, S. S. (n.d.). Desain Alat Ukur Denyut Jantung Dan Saturasi
Oksigen Pada.
UNIVERSITAS INDONESIA. (n.d.).

World Health Organization. (1999). Global Report On Diabetes. France: WHO Library
Catalouging-in-Publication Data .
Yusro, Muhammad. (2018). Modul Singkat Teori dan Praktikum Arduino Platform
Arduino. [E-Book]. Jakarta: Universitas Negeri Jakarta
Yusro, M., & Rikawarastuti. (2018). Development of Smart Infusion Control and
Monitoring System (SICoMS) Based Web and Android Application.
LAMPIRAN
Lampiran 1. Dokumentasi dan Tampilan Interface

Rangkaian dan Skematik
Lampiran 2 skematik rangkaian

Lampiran 3 Desain Capit Sensor Max30100
Lampiran 4. Program Keseluruhan Alat
#include <Wire.h>
#include "MAX30100_PulseOximeter.h"
#define REPORTING_PERIOD_MS 1000
uint32_t tsLastReport = 0;
// Memanggil Kembali register di bawah saat denyut nadi terdeteksi
void onBeatDetected()
{
Serial.println("Beat!");
}
void setup()
{
// Inisialisasi PulseOximeter
// Kesalahan biasanya karena pengkabelan LCD I2C yang kurang bagus,
Hilangnya sumber tegangan atau kesalahan
target pada chip board arduino
if (!pox.begin()) {
Serial.println("FAILED");
for(;;);
} else {
Serial.println("SUCCESS");
}
// besar arus pada IR LED biasanya 50 mA dan bisa berubah
// dengan tidak memberi comment untuk Line dibawah cek library
MAX30100_Registers.h
pox.setIRLedCurrent(MAX30100_LED_CURR_7_6MA); // Memanggil Kembali

register untuk deteksi denyut nadi
pox.setOnBeatDetectedCallback(onBeatDetected);
}
void loop()
{
// Memastikan untuk memanggil update data secepat mungkin
pox.update();
// nilai denyut nadi dan saturasi oksigen akan di buang ke serial secara
tidak sinkron untuk keduanya, nilai 0 artinya “invalid” atau tidak
valid
if (millis() - tsLastReport > REPORTING_PERIOD_MS) {
Serial.print("Heart rate:");
Serial.print(pox.getHeartRate());
Serial.print("bpm / SpO2:");
Serial.print(pox.getSpO2());
Serial.println("%");
tsLastReport = millis();
}
}#include <LiquidCrystal_I2C.h>
#include <Wire.h>
#include "MAX30100_PulseOximeter.h"
LiquidCrystal_I2C lcd(0x27,16,2);
#define REPORTING_PERIOD_MS 1000
PulseOximeter pox;
uint32_t tsLastReport = 0;
void onBeatDetected()
{
Serial.println("Beat!");
}
void setup()
{
lcd.init()
;lcd.backlight();
lcd.begin(16,2);
lcd.print("Initializing...");
delay(3000);
lcd.clear();
// Initialize the PulseOximeter instance

// Failures are generally due to an improper I2C wiring, missing
power supply
// or wrong target chip
if (!pox.begin()) {
for(;;);
} else {
}
pox.setIRLedCurrent(MAX30100_LED_CURR_7_6MA);
// Register a callback for the beat detection

pox.setOnBeatDetectedCallback(onBeatDetected);
}
void loop()
{
// Make sure to call update as fast as possible
pox.update();
float R = (110-float(pox.getSpO2()))/25;
if (millis() - tsLastReport > REPORTING_PERIOD_MS) {
float glu = ((142.9012*R)-1.73746);
Serial.print("SpO2:");
Serial.print(pox.getSpO2());
Serial.println("%");
Serial.print(R);
Serial.print("\t");
Serial.print("glu=");
Serial.print(glu);
Serial.println(" mg/Dl");
lcd.clear();
lcd.setCursor(0,0);
if (millis() >20000) {
lcd.print("Glu: ");
lcd.setCursor(5,0);
lcd.print(glu);
lcd.setCursor(9,0);
lcd.print("mg/dL");
lcd.setCursor(0,1);
lcd.print("SpO2: ");
lcd.print(pox.getSpO2());
lcd.print("%");
}
tsLastReport = millis();
}
}
#include <Wire.h>
#include "MAX30100.h"
#define SAMPLING_RATE MAX30100_SAMPRATE_100HZ
#define IR_LED_CURRENT MAX30100_LED_CURR_50MA

#define RED_LED_CURRENT MAX30100_LED_CURR_27_1MA
#define PULSE_WIDTH
MAX30100_SPC_PW_1600US_16BITS
#define HIGHRES_MODE true
void setup()
{
Serial.print("Initializing MAX30100..");
if (!sensor.begin()) {
for(;;);
} else {
}
sensor.setMode(MAX30100_MODE_SPO2_HR);
sensor.setLedsCurrent(IR_LED_CURRENT, RED_LED_CURRENT);
sensor.setLedsPulseWidth(PULSE_WIDTH);
sensor.setSamplingRate(SAMPLING_RATE);
sensor.setHighresModeEnabled(HIGHRES_MODE);
}
void loop()
{
uint16_t ir, red;
sensor.update();
while (sensor.getRawValues(&ir, &red)) {

Serial.print(ir);
Serial.print('\t');
Serial.println(red);
}
}
% CLARKE Performs Clarke Error Grid Analysis
%
% The Clarke error grid approach is used to assess the clinical
% significance of differences between the glucose measurement technique
% under test and the venous blood glucose reference measurements. The
% method uses a Cartesian diagram, in which the values predicted by the
% technique under test are displayed on the y-axis, whereas the values
% received from the reference method are displayed on the x-axis. The
% diagonal represents the perfect agreement between the two, whereas the
% points below and above the line indicate, respectively, overestimation
% and underestimation of the actual values. Zone A (acceptable)
represents
% the glucose values that deviate from the reference values by ?0% or
are
% in the hypoglycemic range (<70 mg/dl), when the reference is also
within
% the hypoglycemic range. The values within this range are clinically
exact
% and are thus characterized by correct clinical treatment. Zone B
(benign
% errors) is located above and below zone A; this zone represents those
% values that deviate from the reference values, which are incremented
by
% 20%. The values that fall within zones A and B are clinically
acceptable,
% whereas the values included in areas C-E are potentially dangerous,and
% there is a possibility of making clinically significant mistakes.
[1-4]
%
% SYNTAX:
%
% [total, percentage] = clarke(y,yp)
%
% INPUTS:
% y Reference values (mg/dl)
% yp Predicted/estimtated values (mg/dl)
%
% OUTPUTS:
% total Total points per zone:
% total(1) = zone A,
% total(2) = zone B, and so on
% percentage Percentage of data which fell in certain region:
% percentage(1) = zone A,
% percentage(2) = zone B, and so on.
%
% EXAMPLE: load example_data.mat
% [tot, per] = clarke(y,yp)
%
% References:
% [1] A. Maran et al. "Continuous Subcutaneous Glucose Monitoring in
Diabetic
% Patients" Diabetes Care, Volume 25, Number 2, February 2002
% [2] B.P. Kovatchev et al. "Evaluating the Accuracy of Continuous
Glucose
% Monitoring Sensors" Diabetes Care, Volume 27, Number 8, August 2004;
% [3] E. Guevara and F. J. Gonzalez, "Prediction of Glucose
Concentration by
% Impedance Phase Measurements,?in MEDICAL PHYSICS: Tenth Mexican
% Symposium on Medical Physics, Mexico City (Mexico), 2008, vol.1032, pp
% 259?61.
% [4] E. Guevara and F. J. Gonzalez, "Joint optical-electrical technique
for
% noninvasive glucose monitoring,?REVISTA MEXICANA DE FISICA, vol.56,
% no. 5, pp. 430?34, Sep. 2010.
%
% ?Edgar Guevara Codina
% codina@REMOVETHIScactus.iico.uaslp.mx
% File Version 1.2
% March 29 2013
%
% Ver. 1.2 Statistics verified, fixed some errors in the display; thanks
to Tim
% Ruchti from Hospira Inc. for the corrections
% Ver. 1.1 corrected upper B-C boundary, lower B-C boundary slope ok;
thanks to
% Steven Keith from BD Technologies for the corrections!
%
% MATLAB ver. 7.10.0.499 (R2010a)
%
----------------------------------------------
--------------------------------
function [total, percentage] = clarke(y,yp)

numbers = readtable("Glu/Book1.xlsx");
[tot, per] = clarke(numbers(:,1),numbers(:,2))
if nargin == 0
error('clarke:Inputs','There are no inputs.')
end
if length(yp) ~= length(y)
error('clarke:Inputs','Vectors y and yp must be the same length.')
end
if (max(y) > 400) || (max(yp) > 400) || (min(y) < 0) || (min(yp) < 0)
error('clarke:Inputs','Vectors y and yp are not in the physiological
range of glucose (<400mg/dl).')
end
% -------------------------- Print figure flag
---------------------------------
PRINT_FIGURE = true;
% ------------------------- Determine data length
------------------------------
n = length(y);
% ------------------------- Plot Clarke's Error Grid
---------------------------
h = figure;
plot(y,yp,'ko','MarkerSize',4,'MarkerFaceColor','k','MarkerEdgeColor','k
');
xlabel('Reference Concentration [mmol/L]');
ylabel ('Predicted Concentration [mmol/L]');
title('Clarke''s Error Grid Analysis');
set(gca,'XLim',[0 400/40]);
set(gca,'YLim',[0 400/40]);
axis square
hold on
plot([0 400/40],[0 400/40],'k:') % Theoretical 45?regression line
plot([0 175/120],[70/40 70/40],'k-')
% plot([175/120 320/40],[70/40 400/40],'k-')
plot([175/120 10/1.2],[70/40 10],'k-') % replace 320 with 400/1.2
because 100*(400 - 400/1.2)/(400/1.2) = 20%
error
plot([70/40 70/40],[84/40 400/40],'k-')
plot([0 70/40],[180/40 180/40],'k-')
plot([70/40 290/40],[180/40 400/40],'k-') % Corrected upper B-C boundary
% plot([70/40 70/40],[0 175/120],'k-')
plot([70/40 70/40],[0 56/40],'k-') % replace 175.3 with 56 because
100*abs(56-70)/70) = 20% error
% plot([70/40 10],[175/120 320/40],'k-')
plot([70/40 400/40],[56/40 320/40],'k-')
plot([180/40 180/40],[0 70/40],'k-')
plot([180/40 400/40],[70/40 70/40],'k-')
plot([240/40 240/40],[70/40 180/40],'k-')
plot([240/40 400/40],[180/40 180/40],'k-')
plot([130/40 180/40],[0 70/40],'k-') % Lower B-C boundary slope OK
text(30,20,'A','FontSize',12);
text(30,150,'D','FontSize',12);
text(30,380,'E','FontSize',12);
text(150,380,'C','FontSize',12);
text(380,260,'B','FontSize',12);
set(h, 'color', 'white'); % sets the color to white
% Specify window units
set(h, 'units', 'inches')
% Change figure and paper size (Fixed to 3x3 in)
set(h, 'Position', [0.1 0.1 3 3])
set(h, 'PaperPosition', [0.1 0.1 3 3])
if PRINT_FIGURE
% Saves plot as a Enhanced MetaFile
print(h,'-dmeta','Clarke_EGA');
% Saves plot as PNG at 800 dpi
print(h, '-dpng', 'Clarke_EGA', '-r800');
end
total = zeros(5,1); % Initializes output
% ------------------------------- Statistics
-----------------------------------
for i=1:n
if (yp(i) <= 70 && y(i) <= 70) || (yp(i) <= 1.2*y(i) && yp(i)
>=0.8*y(i))
total(1) = total(1) + 1; % Zone A
else
if ( (y(i) >= 180) && (yp(i) <= 70) ) || ( (y(i) <= 70) && yp(i) >= 180
)
total(5) = total(5) + 1; % Zone E
else
if ((y(i) >= 70 && y(i) <= 290) && (yp(i) >= y(i) + 110) )|| ((y(i) >=
130 && y(i) <= 180)&& (yp(i) <= (7/5)*y(i) -
182))
total(3) = total(3) + 1; % Zone C
else
if ((y(i) >= 240) && ((yp(i) >= 70) && (yp(i) <= 180)))|| (y(i) <=
175/3 && (yp(i) <= 180) && (yp(i) >= 70)) ||
((y(i) >= 175/3 && y(i) <= 70) && (yp(i) >=
(6/5)*y(i)))
total(4) = total(4) + 1;% Zone D
else
total(2) = total(2) + 1;% Zone B
end % End of 4th if
end % End of 3rd if
end % End of 2nd if
end % End of 1st if
end % End of for loop
percentage = (total./n)*100;
%
----------------------------------------------
--------------------------------
% EOF
% load training data
data = load('example_data.mat');
% initialize
x = data (:, 1); % feature = ratio voltage (x1,000)
y = data (:, 2); % result = glu (x1)
m = length(x); % number of training examples
% plot data
hold on;
plot (x, y, 'rx', 'MarkerSize', 10);
ylabel ('Glucose');
xlabel ('Voltage Ratio');
% Add a column of ones to x

X = [ones(m, 1), data(:,1)];
%Compute the glucose

theta = [1; 2;];
J = gluc(x, y, theta);
plot (x(1,2), x*theta, 'k-');
hold off
%get the values in the Excel using xlsread.

[num,txt,raw] = xlsread("Book1.xlsx","Sheet4",rectangle);
%combine data as you want:
AllData={txt;num};%as you want
%save in mat file
save(matfileName,'AllData');%In your matfile name
function [total, percentage] = clarke(y,yp)
% CLARKE Performs Clarke Error Grid Analysis
%
% The Clarke error grid approach is used to assess the clinical
% significance of differences between the glucose measurement technique
% under test and the venous blood glucose reference measurements. The
% method uses a Cartesian diagram, in which the values predicted by the
% technique under test are displayed on the y-axis, whereas the values
% received from the reference method are displayed on the x-axis. The
% diagonal represents the perfect agreement between the two, whereas the
% points below and above the line indicate, respectively, overestimation
% and underestimation of the actual values. Zone A (acceptable)
represents
% the glucose values that deviate from the reference values by ?0% or
are
% in the hypoglycemic range (<70 mg/dl), when the reference is also
within
% the hypoglycemic range. The values within this range are clinically
exact
% and are thus characterized by correct clinical treatment. Zone B
(benign
% errors) is located above and below zone A; this zone represents those
% values that deviate from the reference values, which are incremented
by
% 20%. The values that fall within zones A and B are clinically
acceptable,
% whereas the values included in areas C-E are potentially dangerous,and
% there is a possibility of making clinically significant mistakes.
[1-4]
%
% SYNTAX:
%
% [total, percentage] = clarke(y,yp)
%
% INPUTS:
% y Reference values (mg/dl)
% yp Predicted/estimtated values (mg/dl)
%
% OUTPUTS:
% total Total points per zone:
% total(1) = zone A,
% total(2) = zone B, and so on
% percentage Percentage of data which fell in certain region:
% percentage(1) = zone A,
% percentage(2) = zone B, and so on.
%
% EXAMPLE: load example_data.mat
% [tot, per] = clarke(y,yp)
%
% References:
% [1] A. Maran et al. "Continuous Subcutaneous Glucose Monitoring in
Diabetic
% Patients" Diabetes Care, Volume 25, Number 2, February 2002
% [2] B.P. Kovatchev et al. "Evaluating the Accuracy of Continuous
Glucose
% Monitoring Sensors" Diabetes Care, Volume 27, Number 8, August 2004;
% [3] E. Guevara and F. J. Gonzalez, "Prediction of Glucose
Concentration by
% Impedance Phase Measurements,?in MEDICAL PHYSICS: Tenth Mexican
% Symposium on Medical Physics, Mexico City (Mexico), 2008, vol.1032, pp
% 259?61.
% [4] E. Guevara and F. J. Gonzalez, "Joint optical-electrical technique
for
% noninvasive glucose monitoring,?REVISTA MEXICANA DE FISICA, vol.56,
% no. 5, pp. 430?34, Sep. 2010.
%
% ?Edgar Guevara Codina
% codina@REMOVETHIScactus.iico.uaslp.mx
% File Version 1.2
% March 29 2013
%
% Ver. 1.2 Statistics verified, fixed some errors in the display; thanks
to Tim
% Ruchti from Hospira Inc. for the corrections
% Ver. 1.1 corrected upper B-C boundary, lower B-C boundary slope ok;
thanks to
% Steven Keith from BD Technologies for the corrections!
%
% MATLAB ver. 7.10.0.499 (R2010a)
%
----------------------------------------------
--------------------------------
% Error checking
numbers = readtable("Glu/Book2.xlsx");
[tot, per] = clarke(numbers(:,1),numbers(:,2))
if nargin == 0
error('clarke:Inputs','There are no inputs.')
end
if length(yp) ~= length(y)
error('clarke:Inputs','Vectors y and yp must be the same length.')
end
if (max(y) > 400) || (max(yp) > 400) || (min(y) < 0) || (min(yp) < 0)
error('clarke:Inputs','Vectors y and yp are not in the physiological
range of glucose (<400mg/dl).')
end
% -------------------------- Print figure flag
---------------------------------
PRINT_FIGURE = true;
% ------------------------- Determine data length
------------------------------
n = length(y);
% ------------------------- Plot Clarke's Error Grid
---------------------------
h = figure;
plot(y,yp,'ko','MarkerSize',4,'MarkerFaceColor','k','MarkerEdgeColor','k
');
xlabel('Reference Concentration [mmol/L]');
ylabel ('Predicted Concentration [mmol/L]');
title('Clarke''s Error Grid Analysis');
set(gca,'XLim',[0 400/40]);
set(gca,'YLim',[0 400/40]);
axis square
hold on
plot([0 400/40],[0 400/40],'k:') % Theoretical 45?regression line
plot([0 175/120],[70/40 70/40],'k-')
% plot([175/120 320/40],[70/40 400/40],'k-')
plot([175/120 10/1.2],[70/40 10],'k-') % replace 320 with 400/1.2
because 100*(400 - 400/1.2)/(400/1.2) = 20%
error
plot([70/40 70/40],[84/40 400/40],'k-')
plot([0 70/40],[180/40 180/40],'k-')
plot([70/40 290/40],[180/40 400/40],'k-') % Corrected upper B-C boundary
% plot([70/40 70/40],[0 175/120],'k-')
plot([70/40 70/40],[0 56/40],'k-') % replace 175.3 with 56 because
100*abs(56-70)/70) = 20% error
% plot([70/40 10],[175/120 320/40],'k-')
plot([70/40 400/40],[56/40 320/40],'k-')
plot([180/40 180/40],[0 70/40],'k-')
plot([180/40 400/40],[70/40 70/40],'k-')
plot([240/40 240/40],[70/40 180/40],'k-')
plot([240/40 400/40],[180/40 180/40],'k-')
plot([130/40 180/40],[0 70/40],'k-') % Lower B-C boundary slope OK
text(30,20,'A','FontSize',12);
set(h, 'color', 'white'); % sets the color to white
% Specify window units
set(h, 'units', 'inches')
% Change figure and paper size (Fixed to 3x3 in)
set(h, 'Position', [0.1 0.1 3 3])
set(h, 'PaperPosition', [0.1 0.1 3 3])
if PRINT_FIGURE
% Saves plot as a Enhanced MetaFile
print(h,'-dmeta','Clarke_EGA');
% Saves plot as PNG at 800 dpi
print(h, '-dpng', 'Clarke_EGA', '-r800');
end
total = zeros(5,1); % Initializes output
% ------------------------------- Statistics
-----------------------------------
for i=1:n
if (yp(i) <= 70 && y(i) <= 70) || (yp(i) <= 1.2*y(i) && yp(i)
>=0.8*y(i))
total(1) = total(1) + 1; % Zone A
else
if ( (y(i) >= 180) && (yp(i) <= 70) ) || ( (y(i) <= 70) && yp(i) >= 180
)
total(5) = total(5) + 1; % Zone E
else
if ((y(i) >= 70 && y(i) <= 290) && (yp(i) >= y(i) + 110) )|| ((y(i) >=
130 && y(i) <= 180)&& (yp(i) <= (7/5)*y(i) -
182))
total(3) = total(3) + 1; % Zone C
else
if ((y(i) >= 240) && ((yp(i) >= 70) && (yp(i) <= 180)))|| (y(i) <=
175/3 && (yp(i) <= 180) && (yp(i) >= 70)) ||
((y(i) >= 175/3 && y(i) <= 70) && (yp(i) >=
(6/5)*y(i)))
total(4) = total(4) + 1;% Zone D
else
total(2) = total(2) + 1;% Zone B
end % End of 4th if
end % End of 3rd if
end % End of 2nd if
end % End of 1st if
end % End of for loop
percentage = (total./n)*100;
%
----------------------------------------------
--------------------------------
% EOF
clarke
load('example_data.mat')
[tot, per] = clarke(y,yp)
yp(12) = [];
yp(102:111) = [];
yp(91:101) = [];
yp(87:90) = [];
yp(76:86) = [];
yp(52:75) = [];
yp(39:51) = [];
yp(30:38) = [];
yp(21:29) = [];
yp(20,1) = 115;
y(30:44) = [];
y(30:44) = [];
y(30:44) = [];
y(30:44) = [];
y(30:44) = [];
y(30:44) = [];
y(30:37) = [];
y(21:29) = [];
y(1,1) = 75;
y(1,2) = 60
y =
75 60
103 0
179 0
188 0
156 0
147 0
123 0
122 0
136 0
164 0
145 0
115 0
104 0
100 0
105 0
106 0
169 0
186 0
155 0
159 0
y(2,1) = 60
y =
75 60
60 0
179 0
188 0
156 0
147 0
123 0
122 0
136 0
164 0
145 0
115 0
104 0
100 0
105 0
106 0
169 0
186 0
155 0
159 0
y(3,1) = 75;
y(4,1) = 121;
y(5,1) = 63;
y(1,2) = 0;
y(6,1) = 93;
y(7,1) = 88;
y(8,1) = 63;
y(9,1) = 76;
y(10,1) = 86;
y(11,1) = 81;
y(12,1) = 111;
y(13,1) = 86;
y(14,1) = 83;
y(15,1) = 67;
y(16,1) = 73;
y(17,1) = 111;
y(18,1) = 69;
y(19,1) = 63;
y(20,1) = 96;

yp(1,1) = 74.8;
yp(2,1) = 58.9;
yp(3,1) = 73.3;
yp(4,1) = 120;
yp(5,1) = 61.2;
yp(6,1) = 89.6;
yp(7,1) = 88.9;
yp(8,1) = 61.4;
yp(9,1) = 61.4;
yp(9,1) = 78.2;
yp(10,1) = 87.3;
yp(11,1) = 80.7;
yp(12,1) = 111;
yp(13,1) = 84;
yp(14,1) = 83.9;
yp(15,1) = 66.2;
yp(16,1) = 72.8;
yp(17,1) = 111;
yp(18,1) = 68.7;
yp(19,1) = 60.5;
yp(20,1) = 95.5;

DAFTAR RIWAYAT HIDUP
Annisa Resti Kurniawan. Lahir di Jakarta, pada tanggal 28

September 1997. Anak pertama dari Bapak Endang
Kurniawan dan Ibu Rosnawati. Bertempat tinggal di Jl.
Padat Karya RT 006 RW 001 No. 45F, Kelurahan Pondok
Kelapa, Kecamatan Duren Sawit, Kota Jakarta Timur ,
Provinsi DKI Jakarta. Peneliti menyelesaikan pendidikan
formal di SDN 10 Pagi Pondok Kelapa pada tahun 2003 dan lulus pada 2009.
Kemudian melanjutkan di SMP Negeri 194 Jakarta Timur pada tahun 2009 dan
lulus pada tahun 2012. Kemudian peneliti melanjutkan pendidikan di SMA Negeri
44 Jakarta Jurusan Ilmu Pengetahuan Alam pada tahun 2012 dan lulus pada tahun
2015. Setelah tamat SMA, peneliti diterima sebagai mahasiswa Universitas Negeri
Jakarta, Fakultas Teknik, pada Program Studi Pendidikan Teknik Elektronika
melalui jalur SNMPTN dan telah menjalankan Praktik Industri di PT. Kramayuda
Ratu Motor Pulogadung serta Praktik Keterampilan Mengajar di SMK Negeri 39
Jakarta. Selama kuliah di Universitas Negeri Jakarta peneliti aktif mengikuti
kegiatan diluar pendidikan dan menjadi anggota aktif Lingkar Inspirasi Universitas
Negeri Jakarta selama periode 2018 sampai 2019. Peneliti juga menjadi Guru
Relawan di Yayasan Proyatim selama periode 2019-2020. Peneliti juga mengajar di
Lembaga Bimbingan Belajar LCC LP31 rawamangun sebagai pengajar tingkat SD
hingga SMP. Hingga sekarang peneliti aktif mengajar anak tingkat SD, SMP,
hingga SMA

Skripsi Annisa R - 5215152154

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Skripsi Annisa R - 5215152154

Diunggah oleh

Hak Cipta:

Format Tersedia

SKRIPSI

Rancang Bangun Alat Pengukur Gula Darah Menggunakan Oxymeter

Annisa Resti Kurniawan

PROGRAM STUDI PENDIDIKAN TEKNIK ELEKTRONIKA

Rancang Bangun Alat Pendeteksi Gula Darah Menggunakan Oxymeter MAX30100

Annisa Resti Kurniawan

PROGRAM STUDI PENDIDIKAN TEKNIK ELEKTRONIKA

Dengan ini saya menyatakan bahwa:

Jakarta, ......Januari 2022

Materai Rp. 6.000,00

Annisa Resti Kurniawan

Jakarta, 4 Januari 2022

Annisa Resti Kurniawan

Annisa Resti Kurniawan (5215152154) “Rancang Bangun Alat Pengukur Gula

Kata-Kata kunci : Diabetes, Non-Invasive, Kadar Gula Darah, Spectroscopy, Metode

Annisa Resti Kurniawan (5215152154) “Arduino Uno-Based Design and

Diabetes Melitus is one of non-communicable disease that oftenly occurs globally.

Keywords: Diabetes, Non-Invasive, Blood Glucose, Spectroscopy, Linear

LEMBAR PENGESAHAN SKRIPSI Error! Bookmark not defined.

1.1 Latar Belakang Masalah 15

1.2 Identifikasi Masalah 18

1.3 Pembatasan Masalah 18

1.4 Perumusan Masalah 19

1.5 Tujuan Penelitian 19

1.6 Manfaat Penelitian 19

BAB II TINJAUAN PUSTAKA 20

2.1 Landasan Teori 20

2.1.1 Diabetes Melitus 20

2.1.3 Pengukuran Glukosa 25

2.1.4 Nilai Kadar Glukosa Darah 27

2.1.5 Metode Pemeriksaan Kadar Glukosa Darah 30

2.1.6 Metode Pengukuran 30

2.1.9 Saturasi Oksigen 31

2.1.10 Arduino IDE 32

2.1.12 Hukum Beel-Lambert 36

2.1.13 Perangkat Masukan 37

2.1.14 Penyerapan Cahaya oleh Hemoglobin pada Sensor Max30100 41

2.2 Penelitian yang Relevan 45

2.3 Kerangka Berpikir 46

2.3.1 Diagram Blok 46

2.3.2 Diagram Alir Sistem 47

BAB III METODOLOGI PENELITIAN 49

3.1 Tempat dan Waktu Penelitian 49

3.2 Alat dan Bahan Penelitian 49

3.3 Diagram Alir Penelitian 50

3.4 Teknik dan Prosedur Pengumpulan Data 54

3.4.1 Perancangan Perangkat Keras 54

3.4.2 Perancangan Perangkat Lunak 54

3.4.4 Implementasi Sistem 57

3.4.5 Perancangan Perangkat Keras 57

3.4.6 Menentukan Sistem Kendali 57

3.4.7 Menentukan Sensor Pendeteksi Gula Darah 60

3.4.8 Pembuatan Maket Alat 63

3.4.9 Perancangan Perangkat Lunak 65

3.4.10 Arduino IDE 66

3.5 Teknik dan Prosedur Pengumpulan Data 48

3.5.1 Teknik Analisis Data 48

3.5.2 Pengujian Liquid Crystal Display ( LCD ) 48

3.5.3 Pengujian Sensor Max30100 49

3.5.4 Pengujian Sensor Max30100 Terhadap R 51

3.5.5 Pengujian Sensor MAX30100 Terhadap Rutinitas Sehari hari 53

3.5.6 Pengujian Sensor MAX30100 Sebagai Pendeteksi Saturasi Oksigen

3.5.7 Pengujian Metode Regresi terhadap data Sample 55