Melola Discovery

← Melola Discovery

Open access Journal SINTA 5

IMPLEMENTASI ALGORITMA EXTREME GRADIENT BOOSTING UNTUK DETEKSI DINI DIABETES MELLITUS MENGGUNAKAN MIKROKONTROLLER

AnoaTIK: Jurnal Teknologi Informasi dan Komputer · Vol. 4 No. 1 (2026) · pp. 58–70

DOI
10.33772/anoatik.v4i1.144
ISSN
2987-7652
Published
2026-07-13
Publisher
Program Studi Ilmu Komputer FMIPA-UHO
Language
ind
License
creativecommons.org/licenses/by-sa/4.0

Abstract

Diabetes mellitus merupakan penyakit metabolik kronis yang ditandai oleh tingginya kadar glukosa darah akibat gangguan produksi atau kerja insulin. Peningkatan jumlah penderita setiap tahun mendorong perlunya sistem deteksi dini yang mampu mengukur kadar glukosa secara real-time dan memprediksi risiko diabetes secara cepat serta akurat. Penelitian ini bertujuan menganalisis kinerja sistem deteksi dini diabetes mellitus berbasis mikrokontroler ESP32 yang menerapkan algoritma Extreme Gradient Boosting (XGBoost). ESP32 digunakan untuk membaca data dari sensor optik non-invasif dan mengirimkan data kadar glukosa secara real-time, sedangkan XGBoost digunakan untuk mengklasifikasikan status diabetes. Evaluasi model dilakukan menggunakan confusion matrix dengan metrik accuracy, precision, recall, F1-score, dan ROC-AUC. Hasil penelitian menunjukkan bahwa sistem mampu melakukan pengukuran kadar glukosa secara real-time dan menghasilkan prediksi risiko diabetes dengan nilai accuracy sebesar 93,67%–97,67% serta nilai ROC-AUC sebesar 0,9810–0,9991. Variabel glucose menjadi faktor paling dominan, sedangkan BMI dan age berperan sebagai faktor pendukung. Hasil ini menunjukkan bahwa integrasi ESP32 dan algoritma XGBoost berpotensi menjadi sistem deteksi dini diabetes mellitus yang praktis, efisien, dan real-time.

Keywords

Collaboration network of the authors

40 authors · 77 co-authorship links · 2 across different organisations · showing the 40 most connected

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Universitas Halu Oleo
  • Universitas Muhammadiyah Bengkulu
  • University of Surabaya
  • Islamic University of Indonesia
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Sarah Astia NingsihAffiliation unknown1
SubardinAffiliation unknown1
Andi TenriawaruUniversitas Halu Oleo1
La Ode Muhammad Ilham SetiawanUniversitas Halu Oleo1
Azeslim AzeslimUniversitas Halu Oleo1
Andi TenriawaruUniversitas Halu Oleo1
Muhammad Arya Al FajarAffiliation unknown1
Arga WiradarmaAffiliation unknown1
TaslimAffiliation unknown1
Dewi SartikaAffiliation unknown1
Ardi WijayaAffiliation unknown1
Andi YahyaAffiliation unknown1
RG Guntur AlamAffiliation unknown1
Muhammad ImanullahUniversitas Muhammadiyah Bengkulu1
Joniarto ParungUniversity of Surabaya1
Indri HapsariAffiliation unknown1
Nemuel Daniel PahAffiliation unknown1
Jerry AgusJerry Agus Arlianto ArliantoAffiliation unknown1
Olyvia NovawandaAffiliation unknown1
Afiat AfiantiAffiliation unknown1
Fadly HusainAffiliation unknown1
Siti NuripahAffiliation unknown1
Totok RochanaAffiliation unknown1
SugiartoAffiliation unknown1
Hadi Setyo SubiyonoAffiliation unknown1
Anugrah Budi NuraniAffiliation unknown1
Lu’lu’ul MaghfirohAffiliation unknown1
Ari KurniawanAffiliation unknown1
SugitoAffiliation unknown1
Setiyani .Affiliation unknown1
Rahmad KhodariAffiliation unknown1
Shanti NurhidayahAffiliation unknown1
Salsabila AnindiyahAffiliation unknown1
Yudistira Indra Prahasta Putra ElwandaAffiliation unknown1
Fitri AmaliaIslamic University of Indonesia1
Ria CerianaAffiliation unknown1
Maria LisaAffiliation unknown1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://anoatik.uho.ac.id/index.php/atik/oai, first harvested 26 Oct 2026, last seen 8 Nov 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id-ID">IMPLEMENTASI ALGORITMA EXTREME GRADIENT BOOSTING UNTUK DETEKSI DINI DIABETES MELLITUS MENGGUNAKAN MIKROKONTROLLER</dc:title>
	<dc:creator>Rahmah, Siti</dc:creator>
	<dc:creator>Gunawan</dc:creator>
	<dc:creator>Shalihah, Rifa'atus</dc:creator>
	<dc:subject xml:lang="id-ID">Diabetes Mellitus</dc:subject>
	<dc:subject xml:lang="id-ID">XGBoost</dc:subject>
	<dc:subject xml:lang="id-ID">deteksi dini</dc:subject>
	<dc:subject xml:lang="id-ID">mikrokontroler</dc:subject>
	<dc:subject xml:lang="id-ID">machine learning</dc:subject>
	<dc:description xml:lang="id-ID">Diabetes mellitus merupakan penyakit metabolik kronis yang ditandai oleh tingginya kadar glukosa darah akibat gangguan produksi atau kerja insulin. Peningkatan jumlah penderita setiap tahun mendorong perlunya sistem deteksi dini yang mampu mengukur kadar glukosa secara real-time dan memprediksi risiko diabetes secara cepat serta akurat. Penelitian ini bertujuan menganalisis kinerja sistem deteksi dini diabetes mellitus berbasis mikrokontroler ESP32 yang menerapkan algoritma Extreme Gradient Boosting (XGBoost). ESP32 digunakan untuk membaca data dari sensor optik non-invasif dan mengirimkan data kadar glukosa secara real-time, sedangkan XGBoost digunakan untuk mengklasifikasikan status diabetes. Evaluasi model dilakukan menggunakan confusion matrix dengan metrik accuracy, precision, recall, F1-score, dan ROC-AUC. Hasil penelitian menunjukkan bahwa sistem mampu melakukan pengukuran kadar glukosa secara real-time dan menghasilkan prediksi risiko diabetes dengan nilai accuracy sebesar 93,67%–97,67% serta nilai ROC-AUC sebesar 0,9810–0,9991. Variabel glucose menjadi faktor paling dominan, sedangkan BMI dan age berperan sebagai faktor pendukung. Hasil ini menunjukkan bahwa integrasi ESP32 dan algoritma XGBoost berpotensi menjadi sistem deteksi dini diabetes mellitus yang praktis, efisien, dan real-time.</dc:description>
	<dc:publisher xml:lang="id-ID">Program Studi Ilmu Komputer FMIPA-UHO</dc:publisher>
	<dc:date>2026-07-13</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://anoatik.uho.ac.id/index.php/atik/article/view/144</dc:identifier>
	<dc:identifier>10.33772/anoatik.v4i1.144</dc:identifier>
	<dc:source xml:lang="en-US">AnoaTIK: Jurnal Teknologi Informasi &amp; Komputer; Vol. 4 No. 1 (2026): Juni 2026; 58-70</dc:source>
	<dc:source xml:lang="id-ID">AnoaTIK: Jurnal Teknologi Informasi dan Komputer; Vol 4 No 1 (2026): Juni 2026; 58-70</dc:source>
	<dc:source>2987-7652</dc:source>
	<dc:source>10.33772/anoatik.v4i1</dc:source>
	<dc:language>ind</dc:language>
	<dc:relation>https://anoatik.uho.ac.id/index.php/atik/article/view/144/55</dc:relation>
	<dc:rights xml:lang="id-ID">Hak Cipta (c) 2026 Siti Rahmah, Gunawan; Rifa'atus Shalihah</dc:rights>
	<dc:rights xml:lang="id-ID">https://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>