SISTEM PENDETEKSI PENYAKIT THALASSEMIA DENGAN MENGGUNAKAN ALGORITMA HAAR WAVELET DAN HU MOMENT DENGAN MACHINE LEARNING

Thalassemia adalah penyakit darah herediter (keturunan) yang paling umum dan akan merupakan kelainan genetik utama yang akan muncul di Indonesia setelah penyakit infeksi dan gangguan gizi teratas. Kualitas sumber daya manusia sangat penting, dan thalassemia menurunkan kesehatan masyarakat. Oleh karena itu, thalassemia dapat dicegah melalui deteksi dini dan dievaluasi pada awal gejalanya. Namun alat untuk pendeteksi penyakit thalassemia masih rendah. Seiring kemajuan teknologi, pemeriksaan ini dapat dilakukan dengan menggunakan Machine Learning. Salah satu cara untuk mengklasifikasi jenis sel darah merah dapat diketahui dari teksturnya menggunakan pendekatan image processing. Proses klasifikasi pada pnelitian ini menggunakan citra sel darah merah dengan 3 kelas yakni, kelas 1 Thalassemia, kelas 2 IDA, dan kelas 3 Normal. Jumlah citra sel darah merah yang digunakan sebanyak 1367, kemudian divariasi melalui preprocessing dengan mengubah ukuran result citra resizing, dan augmentasi citra sehingga menjadi  4920 gambar. Data yang telah diperoleh akan melewati proses ekstraksi fitur menggunakan Algoritma Transformasi Haar Wavelet level 1, Haar Wavelet level 2 dan Hu Moment. Kemudian diklasifikasikan dengan metode Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN). Hasil akurasi terbaik dari proses klasifikasi didapatkan dengan menggunakan input fitur transformasi Haar Wavelet level 1 dengan rata-rata akurasi mencapai 99.93%.