Implementasi Sensor Pendeteksi Diabetes Tipe 1 dari Hembusan Nafas

Authors

  • Aldy Franendy Nababan Politeknik Negeri Batam
  • Ridelson Janriaman Politeknik Negeri Batam
  • Eka Mutia Lubis Politeknik Negeri Batam
  • Widya Rika Puspita Politeknik Negeri Batam
  • Muhammad Naufal Airlangga Diputra Politeknik Negeri Batam
  • Muhammad Jaka Wimbang Wicaksono Politeknik Negeri Batam
  • Ahmad Syafi'i Politeknik Negeri Batam

DOI:

https://doi.org/10.31004/joecy.v6i1.9753

Keywords:

Machine Learning, Skrining, Biomaker, Aseton

Abstract

Kondisi autoimun yang disebut diabetes tipe 1 mengganggu produksi insulin dan memerlukan pemantauan dan pengobatan yang ketat. Prosedur yang lebih nyaman dan non-invasif diperlukan karena teknik deteksi tradisional bersifat invasif. Dengan fokus pada deteksi gas aseton sebagai biomarker, penelitian ini mengembangkan sistem skrining diabetes tipe 1 berbasis analisis napas. Data aseton dideteksi dan diproses oleh sistem menggunakan mikrokontroler ESP32 dan sensor MQ-135. Metode pembelajaran mesin kemudian digunakan untuk menganalisis data. Untuk menciptakan model prediksi yang akurat, informasi dikumpulkan dari kelompok kontrol dan pasien diabetes. Hasil yang diharapkan dari studi ini adalah sistem prototipe efisien untuk deteksi non-invasif diabetes tipe 1. Hal ini juga akan meningkatkan kenyamanan pasien dan memberikan alat diagnostik tambahan bagi tenaga medis. Ada juga potensi pengembangan lebih lanjut dalam deteksi kondisi medis lain menggunakan analisis napas.

References

Amann, A., et al. "The Human Volatilome: Comparative Models for Pathophysiological Pathways." Chemical Society Reviews, vol. 43, no. 5, 2014, pp. 1423–1449

Badnore, D. A., & Meshram, B. B. “Internet of Things Based Breath Monitoring System for Diabetes Patients.” International Research Journal of Engineering and Technology (IRJET), 6(5), 2019, pp. 6832–6836

Hiltunen, J., et al. "Detection of Acetone in Human Breath Using Semiconductor Gas Sensors." Sensors and Actuators B: Chemical, vol. 93, no. 1-3, 2003, pp. 17-24

Jia, W., et al. "Breath Analysis for Noninvasive Detection of Diabetes and Lung Cancer." IEEE Transactions on Biomedical Engineering, vol. 56, no. 5, 2009, pp. 1130–1134

Li, X., Zhao, W., Zhang, H., & Wang, X. “A Low-Power Gas Detection System Based on ESP32 and MQ Sensors.” Procedia Computer Science, 183, 2021, pp. 511–518

Mochalski, P., et al. "Suitability of Different Sorbent Materials for the Sampling and Preconcentration of Volatile Metabolites of Clinical Interest." Journal of Chromatography B, vol. 862, no. 1-2, 2008, pp. 1–8

Righettoni, M., Tricoli, A., and Pratsinis, S.E. "Si:WO₃ Sensors for Highly Selective Detection of Acetone for Easy Diagnosis of Diabetes by Breath Analysis." Analytical Chemistry, vol. 82, no. 9, 2010, pp. 3581–3587

Sohn, J. H., Hudson, N., Gallagher, E., Dunlop, M., Zeller, L., & Atzeni, M. “Verification of Odour Emissions Using a Sensor Array and Comparative Olfactometry.” Biosystems Engineering, 96(4), 2007, pp. 679–689

Wang, C., et al. "Recent Progress in Electronic Nose Technologies Developed for Biomedical Applications." Sensors, vol. 10, no. 7, 2010, pp. 6133–6165

Yu, H., Xie, J., Zhang, H., & Xu, Y. “Design and Implementation of OLED Display System Based on ESP32.” IOP Conference Series: Materials Science and Engineering, 768(5), 2020

Downloads

Published

23-04-2026

How to Cite

Aldy Franendy Nababan, Ridelson Janriaman, Eka Mutia Lubis, Widya Rika Puspita, Muhammad Naufal Airlangga Diputra, Muhammad Jaka Wimbang Wicaksono, & Ahmad Syafi’i. (2026). Implementasi Sensor Pendeteksi Diabetes Tipe 1 dari Hembusan Nafas . Journal of Innovative and Creativity, 6(1), 22825–22835. https://doi.org/10.31004/joecy.v6i1.9753

Issue

Section

Articles