Implementasi Sensor Pendeteksi Diabetes Tipe 1 dari Hembusan Nafas
DOI:
https://doi.org/10.31004/joecy.v6i1.9753Keywords:
Machine Learning, Skrining, Biomaker, AsetonAbstract
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
How to Cite
Issue
Section
License
Copyright (c) 2026 Aldy Franendy Nababan, Ridelson Janriaman, Eka Mutia Lubis, Widya Rika Puspita, Muhammad Naufal Airlangga Diputra, Muhammad Jaka Wimbang Wicaksono, Ahmad Syafi'i

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.







