Tim peneliti dosen dan mahasiswa dari Teknologi Rekayasa Perangkat Lunak (TRPL) Universitas Gadjah Mada yang dipimpin oleh DR.Eng. Ganjar Alfian, S.T., M.Eng. sebagai ketua peneliti, berkolaborasi dengan dosen anggota Yuris Mulya Saputra, S.T., M.Sc., serta melibatkan mahasiswa Qurrota A’yunin dan Husni Ramdani, telah berhasil mengembangkan sistem pemantauan kesehatan inovatif untuk memprediksi kadar glukosa darah menggunakan teknologi Neural Network. Sistem ini diharapkan dapat menjadi solusi strategis bagi penderita diabetes tipe 1 dalam mengelola kondisi kronis mereka secara mandiri dan real-time.
Penelitian yang mengintegrasikan sensor berbasis Internet of Things (IoT) dengan perangkat smartphone ini memanfaatkan kemampuan advanced machine learning untuk memproses tanda-tanda vital tubuh. Pendekatan ini sangat relevan di era digital kesehatan, di mana pasien membutuhkan metode yang efisien dan akurat untuk mencegah kondisi kritis tanpa harus selalu bergantung pada pemeriksaan klinis manual.
Fokus utama dari penelitian ini adalah penerapan model Neural Network yang diaplikasikan untuk memprediksi kadar glukosa darah dalam rentang waktu 15, 30, dan 60 menit ke depan. Kemampuan prediksi berjangka waktu ini menjadi nilai tambah krusial dibandingkan metode pemantauan konvensional yang hanya menampilkan kondisi saat ini.
Tim peneliti melakukan evaluasi komprehensif menggunakan dataset dari penderita diabetes tipe 1. Hasil penelitian menunjukkan bahwa model prediksi berbasis Neural Network yang diusulkan mampu mengungguli berbagai model regresi lainnya, termasuk Support Vector Regression (SVR), K-Nearest Neighbor (KNN), Decision Tree (DT), Random Forest (RF), dan Adaptive Boosting (AdaBoost). Model yang dikembangkan oleh tim Ganjar Alfian dan rekan-rekan ini mencatatkan tingkat kesalahan prediksi (Root Mean Square Error) terendah, membuktikan akurasi dan keandalannya.
Lebih jauh lagi, inovasi ini telah diintegrasikan ke dalam sebuah sistem prediksi berbasis website. Sistem ini dirancang untuk memberikan peringatan dini (early warning) kepada penderita diabetes sebelum kejadian kritis terjadi, sehingga memungkinkan pasien melakukan tindakan preventif lebih awal.
Inovasi sistem pemantauan kesehatan cerdas ini secara konkret mendukung pencapaian SDG 3 (Good Health and Well-being), khususnya dalam meningkatkan manajemen penyakit kronis dan kesejahteraan pasien melalui teknologi preventif yang akurat. Penerapan kecerdasan buatan dan IoT dalam solusi ini juga mencerminkan semangat SDG 9 (Industry, Innovation, and Infrastructure), yang berfokus pada penguatan riset ilmiah dan kemampuan teknologi tepat guna. Selain itu, kolaborasi intensif antara dosen dan mahasiswa menjadi bukti nyata implementasi SDG 4 (Quality Education), menjamin terjadinya transfer pengetahuan tingkat lanjut serta penciptaan talenta digital yang kompeten dalam memecahkan masalah riil.
