RANCANG BANGUN ALAT PENDETEKSI GEJALA ANEMIA SECARA NON-INVASIVE DENGAN METODE EXTREME GRADIENT BOOSTING BERBASIS NARROWBAND INTERNET OF THINGS (NB-IOT)

Anemia merupakan kondisi medis dengan jumlah sel darah merah atau hemoglobin yang rendah. Metode konvensional untuk mengukur hemoglobin umumnya invasive atau memerlukan sampel darah yang menimbulkan risiko seperti rasa sakit, trauma psikologis, dan infeksi. Penelitian ini mengembangkan alat pendeteksi gejala anemia dengan memanfaatkan sensor dan machine learning dalam melakukan deteksi gejala anemia secara non-invasive atau tanpa pengambilan sampel darah. Sensor yang digunakan pada alat ini yaitu MAX 30102 untuk menghitung kadar oksigen dalam darah (cahaya IR dan Red), sensor SEN-11574 untuk detak jantung, dan sensor MLX 90614 untuk suhu tubuh. Machine learning berfungsi untuk prediksi kadar hemoglobin melalui data cahaya IR dan Red, algoritma yang digunakan adalah Extreme Gradient Boosting (XGBoost). Proses pengiriman data sensor menuju database menggunakan teknologi Narrowband Internet of Things (NB-IoT). Hasil pengujian akurasi pada sensor saturasi oksigen dalam darah menghasilkan nilai error 1%, pada sensor detak jantung menghasilkan nilai error 5.91%, dan pada sensor suhu menghasilkan nilai error 2.24%. Hasil perbandingan nilai prediksi kadar hemoglobin secara non-invasive dan invasive mendapatkan hasil perbedaan nilai rata-rata sebesar 0.76 dan rata-rata akurasi sebesar 94.09%.