Pemodelan Prediksi Kadar Gula Darah Pada Pasien Diabetes Menggunakan Metode Regresi Linear

Abstract

Mengetahui kadar gula darah di masa depan akan dapat membantu penderita diabetes dalam melakukan tindakan preventif lebih awal sehingga dapat mengontrol kadar gula darah dan penyakit diabetesnya. Penelitian ini mengusulkan pemodelan prediksi kadar gula darah pada pasien diabetes menggunakan metode regresi linear. Dataset yang digunakan adalah data time series dari kadar gula darah pada 30 anak penderita diabetes tipe 1. Dataset tersebut digunakan sebagai parameter input tunggal dengan tambahan pemanfaatan data statistik yang diuji menggunakan beberapa algoritma, yaitu Linear Regression, Lasso Regression, Ridge Regression, eXtreme Gradient Boosting (XGB), dan K-Nearest Neighbor (KNN). Pada tahap evaluasi performa model menunjukkan bahwa metode regresi linear lebih baik dari model prediksi lainnya. Hasilnya menunjukkan untuk Prediction Horizon (PH) pada 5 menit, 15 menit, dan 30 menit didapat nilai rata-rata Root Mean Squared Error (RMSE) dari 15 pasien yang diuji sebesar 5,024, 12,488, dan 20,635, nilai Mean Absolute Error (MAE) sebesar 2,891, 8,272, dan 14,926 serta nilai Coefficient of Determination (R2) sebesar 0,962, 0,741, dan 0,39. Hasil model prediksi pada penelitian ini diimplementasi dan divisualisasikan ke sistem informasi berbasis website. Dalam sistem tersebut pengguna dapat memprediksi kadar gula darah di masa depan dengan berdasarkan riwayat kadar gula darah pada waktu 30 menit sebelumnya. Pengguna juga dapat melihat visualisasi data pergerakan kadar gula darah berdasarkan rentang waktu tertentu. Sistem ini diharapkan dapat membantu pasien diabetes untuk memprediksi kadar gula darah di masa depan sehingga dapat mengontrol kadar gula darahnya dan menghindari kondisi kesehatan yang buruk di masa depan.