Gold Medal · IIIEX 2025 Juara 2 (IoT) · KMIPN VII 2025 IYSA Special Award
GLUVER: Monitor Glukosa Darah Non-Invasif
Sistem pendeteksi kadar gula darah tanpa jarum berbasis sensor optik MAX30102, mikrokontroler ESP32, model machine learning, dan aplikasi mobile Flutter.
Peran Mobile App & ML API Developer (Tim)
Waktu rilis 2025-10
Kategori Mobile, IoT, AI
Teknologi
Flutter Firebase ESP32 Python scikit-learn Flask
Gambaran Proyek
GLUVER (Glucose Observer) adalah perangkat pemantau kadar glukosa darah mandiri tanpa perlu melukai atau menusuk jari dengan jarum (non-invasive). Sistem ini mengintegrasikan sensor optik fotopletismografi (PPG), pemrosesan mikrokontroler, inferensi model regresi machine learning, dan antarmuka aplikasi seluler secara real-time.
Proyek inovasi ini dikembangkan bersama tim mahasiswa Politeknik Negeri Semarang dan berhasil meraih penghargaan internasional serta nasional di bidang Internet of Things dan rekayasa medis.
Masalah
- Rasa Sakit & Trauma Jarum (Invasive): Pasien diabetes melitus dan individu berisiko tinggi enggan melakukan tes mandiri rutin setiap hari karena keharusan melukai ujung jari dengan jarum suntik/lancet.
- Biaya Strip Sekali Pakai: Alat glukometer konvensional membutuhkan strip uji habis pakai yang menambah beban finansial jangka panjang bagi pasien.
- Pencatatan Riwayat yang Manual: Hasil pembacaan glukometer standar kerap hilang atau tidak terdokumentasi teratur saat pasien berkonsultasi ke dokter.
Pengguna
- Penderita Diabetes Melitus (Tipe 1 & Tipe 2): Individu yang membutuhkan pemantauan kadar gula darah secara berkelanjutan sepanjang hari.
- Kelompok Pradiabetes & Lansia: Pengguna yang membutuhkan alat skrining awal yang nyaman, aman, dan tanpa rasa sakit di rumah.
- Keluarga & Pendamping Medis: Memeriksa tren fluktuasi gula darah harian untuk penyesuaian pola makan dan aktivitas fisik.
Keputusan Teknis
- Akuisisi Sinyal Optik via Sensor MAX30102: Memanfaatkan transmisi cahaya inframerah (infrared) dan merah (red light) untuk menangkap variasi volume darah arteri pada ujung jari.
- Transmisi Data ESP32 ke Firebase Realtime Database: Mikrokontroler ESP32 memfilter derau awal sinyal dan mengirimkan data mentah PPG ke cloud secara nirkabel dengan latensi minimal.
- Model Machine Learning Terisolasi (Flask API): Algoritma regresi dibangun menggunakan pustaka
scikit-learnpada Python, kemudian dibungkus dalam endpoint microservice Flask yang memproses sinyal menjadi prediksi konsentrasi glukosa (mg/dL). - Aplikasi Mobile Flutter Real-Time: Menampilkan angka pembacaan secara langsung, visualisasi grafik riwayat pembacaan harian, indikator status aman/waspada, serta rekomendasi gaya hidup sehat.
Tantangan
- Sensitivitas Derau Sinyal (Signal-to-Noise Ratio): Pergerakan jari yang tidak stabil atau perbedaan ketebalan kulit subjek dapat mengubah kurva penyerapan cahaya. Diperlukan tahap kalibrasi awal dan penyaringan derau sebelum data diumpankan ke model prediksi.
- Keandalan Koneksi IoT di Lingkungan Kompetisi: Memastikan sinkronisasi data dari modul ESP32 ke aplikasi seluler tetap stabil walau diuji dalam kondisi jaringan yang padat saat demonstrasi juri.
Hasil Terukur
- Medali Emas (Gold Medal): Kategori Electronics & IoT pada ajang internasional Indonesia International Invention Expo (IIIEX) 2025 yang diselenggarakan oleh Indonesian Young Scientist Association (IYSA) dan Polines (Agustus 2025).
- IYSA Special Award: Penghargaan khusus kehormatan inovasi dari IYSA pada ajang IIIEX 2025.
- Juara 2 Kategori Internet of Things: Pada kompetisi bergengsi tingkat nasional KMIPN VII 2025 (Kompetisi Mahasiswa Informatika Politeknik Nasional) di Politeknik Negeri Padang (Oktober 2025).
- Akurasi Model Prediksi: [TODO: Cantumkan metrik Mean Absolute Error (MAE) dan evaluasi Clarke Error Grid Analysis dari dataset uji klinis lanjutan.]