SISTEM KLASIFIKASI THALASSEMIA DENGAN EKSTRAKSI FITUR GRAY LEVEL CO-OCCURRENCE MATRIX DAN HAAR WAVELET LEVEL 2 BERBASIS MULTILAYER PERCEPTRON

Thalassemia adalah gangguan darah yang diwariskan dan ditandai oleh penurunan kadar hemoglobin. Berdasarkan data dari Yayasan Talasemia Indonesia mencatat peningkatan kasus thalassemia di Indonesia secara berkelanjutan, mencapai 10.973 kasus pada Juni 2021. Penelitian ini membawa manfaat besar dalam bidang diagnosis dan analisis citra sel darah merah terkait thalassemia. Tenaga kesehatan biasanya melakukan pemeriksaan visual selama deteksi thalasemia untuk mengidentifikasi gangguan genetik dalam produksi hemoglobin. Namun, diagnosis manual thalasemia memiliki beberapa keterbatasan, termasuk proses diagnostik yang relatif lama dan tingkat akurasi yang rendah. Melalui pengembangan sistem klasifikasi, tenaga medis dapat mengelola citra lebih cepat dan efisien serta mempercepat proses diagnosis. Metode penelitian ini menggunakan Gray Level Co-Occurrence Matrix (GLCM) dan Haar Wavelet Level 2, dengan klasifikasi Multilayer Perceptron pada tiga kelas sel darah merah, yaitu Thalassemia, IDA, dan Normal. Hasil penelitian menunjukkan bahwa GLCM mencapai akurasi training tertinggi, 99,9%, dan pada tahap testing, mencapai akurasi sempurna 100%, mengindikasikan keberhasilan GLCM dalam mendeteksi thalassemia dengan sangat akurat. Oleh karena itu, penelitian ini membuktikan efektivitas GLCM sebagai metode ekstraksi fitur pada citra sel darah merah untuk diagnosis thalassemia.